【技术实现步骤摘要】
本专利技术涉及石油和天然气中的钻完井工程领域，具体是一种基于机器学习的体积压裂水平井分段分簇方法。
技术介绍
1、随着社会经济的高速发展，对非常规油气资源(如页岩气、致密油)的开采需求日益迫切。在这些资源的开采过程中，体积压裂技术已成为提高单井油气产量的关键技术之一。体积压裂技术通过在储层中制造复杂的裂缝网络，显著增强了井眼周边油气的流动性能，进而提升了单井的产能。水平井钻井技术，作为体积压裂的优选配套技术，其能够使井眼紧密跟随储层走向进行钻进，从而大幅增加了井眼与储层的接触面积，为高效开采油气资源提供了有力支持。然而，要实现水平井体积压裂技术的最佳效果，前提是对长水平段进行精确的分段分簇划分。这种划分需基于所钻过储层的各项属性，先按属性将储层分为不同的段，再在每段内根据属性的分布特征进一步细分为簇。分段分簇的精确性对于后续施工措施的针对性和油气井的产量至关重要。但在实际操作中，由于储层物性参数多样且复杂，如何选择合适的参数以及如何将它们组合起来以实现对长水平段的有效划分，成为了一个技术难题。这不仅影响了施工措施的精细化实施，也直接关系...
【技术保护点】
1.一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，所述的储层物性参数包括测井获得的伽马、声波、密度、孔隙度参数，和通过获得的伽马、声波、密度、孔隙度参数计算出的可间接反应储层特征的参数。
3.根据权利要求2所述的一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，所述的产量数据包括差产量、中间产量以及高产量，采用模糊聚类算法结合已施工井的产气剖面数据，建立隶属度函数，所述的隶属度函数接受三个参数：中间产量、最大产量和待分类产量；所...
【技术特征摘要】
1.一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，所述的储层物性参数包括测井获得的伽马、声波、密度、孔隙度参数，和通过获得的伽马、声波、密度、孔隙度参数计算出的可间接反应储层特征的参数。
3.根据权利要求2所述的一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，所述的产量数据包括差产量、中间产量以及高产量，采用模糊聚类算法结合已施工井的产气剖面数据，建立隶属度函数，所述的隶属度函数接受三个参数：中间产量、最大产量和待分类产量；所述的待分类产量为需要通过隶属度函数计算出对应于3种产量类别隶属度的产量。
4.根据权利要求3所述的一种基于机器学习的体积压裂水平井分段分簇方法，其特征在于，所述的隶属度函数采...
【专利技术属性】
技术研发人员：张健涛，严寒冰，秦东兴，蔚泽峰，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。