一种基于CART决策树的砂堵关键因素识别方法技术

本发明专利技术提供了一种基于CART决策树的砂堵关键因素识别方法，包括：(S1)根据现场取得的不同状况下的砂堵发生情况作为样本并划分训练集和测试集；(S2)数据预处理，基于正态分布的假设，移除异常值以及处理数据集中不完整和不一致的数据；(S3)进行CART分析并计算最优树深度，建立CART分类决策树；(S4)通过代价复杂性剪枝获得最佳树深度；(S5)输入测试集进行是否发生砂堵的预测，验证模型的准确性；(S6)量化变量重要性，度量在决策树形成过程中某个特征变量的贡献程度。本发明专利技术所建立的砂堵关键因素识别模型在输入特征参数后，能够有效的判断出是否会发生砂堵且给出造成砂堵的关键因素，对指导现场压裂增产改造开发具有一定的实际意义。

【技术实现步骤摘要】

本专利技术涉及大数据人工智能技术与储层增产改造，具体涉及一种基于cart决策树的砂堵关键因素识别方法。

技术介绍

1、在水力压裂操作中，砂堵异常是指在施工过程中，由于压裂滤失导致压裂液中支撑剂浓度升高，引起支撑剂桥堵或裂缝内脱砂，使得施工压力瞬间飙升并达到限压，不得不紧急中止施工的现象。砂堵可能影响施工时效，导致丢段、弃段，无法满足设计指标要求；增加的返排和井筒清洗成本，严重损害套管；引发管线刺漏，对人员安全构成威胁；甚至还可能导致油气井废弃。除此之外，还需承担高昂的设备租金、人员费用，以北美eagle ford盆地为例，每次砂堵后返排需额外耗费10万至40万美元，砂堵后清洗井筒及注入性测试需耗费80万至150万美元。因此，迫切需要研发砂堵预警技术。经过长期的实践积累，钻探企业已经收集海量的压裂施工数据。基于海量压裂施工数据与人工智能算法，可以实现砂堵预警。不过，当前油气大数据的规模已远超传统建模方法(如曲线拟合)的分析能力。传统建模方法不仅可能过于复杂且耗时，而且难以处理变量之间的依赖关系或相关性。通过对这些数据进行特征工程处理，有助于挖掘潜在的信息，以本文档来自技高网...

【技术保护点】

1.一种基于CART决策树的砂堵关键因素识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于CART决策树的砂堵关键因素识别方法，其特征在于，所述步骤1定义的输入变量包括垂深、平均泵速、平均压力、支撑剂质量和总液量，输出变量为是否发生砂堵。

3.根据权利要求1所述的一种基于CART决策树的砂堵关键因素识别方法，其特征在于，所述步骤2具体包括以下子步骤：

4.根据权利要求1所述的一种基于CART决策树的砂堵关键因素识别方法，其特征在于，所述步骤3具体包括以下子步骤：

5.根据权利要求1所述的一种基于CART决策树的砂堵关键因...

【技术特征摘要】

1.一种基于cart决策树的砂堵关键因素识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于cart决策树的砂堵关键因素识别方法，其特征在于，所述步骤1定义的输入变量包括垂深、平均泵速、平均压力、支撑剂质量和总液量，输出变量为是否发生砂堵。

3.根据权利要求1所述的一种基于cart决策树的砂堵关键因素识别方法，其特征在于，所述步骤2具体包括以下子步骤：

4.根据权利要求1所述的一种基于cart决策树的砂堵关键因素识别方法，其特征在于，所述步骤3具体包括以下子步骤：...

【专利技术属性】
技术研发人员：贾靖，王李昌，高士娟，余红广，
申请(专利权)人：中南大学，
类型：发明
国别省市：