ZT区块页岩气井产能影响因素分析及预测

发布时间：2024-03-07 18:25

　　页岩气井产能的影响因素分析与产能预测对页岩气高效开发具有极强的现实意义。ZT页岩气区块存在现场数据数量大、种类多、存在数据缺失、处理困难等特点,传统统计方法以及定性对比分析方法很难建立起精确的分析预测模型。而基于数据建模的机器学习方法却能对复杂数据进行处理,发掘数据间关系,为页岩气产能主要影响因素分析和产能预测提供新的思路。本文基于ZT区块现场数据,结合文献调研,提取影响页岩气产能的地质、压裂、钻井三个方面的影响因素26个。采用机器学习方法对数据进行异常值诊断,对缺失数据利用利用KNN算法进行插补,并将数据进行标准化以消除量纲的影响,将26个影响因素经主成分分析提炼为14个。对处理完后的数据利用K-means聚类方法分为三类,根据测试产量聚类中心的值的大小,将三类井定义为优等井、中等井、劣等井。对每一口井进行标记后利用KNN算法训练井类别分类模型,该模型经验证准确率达92%。经分析得出,三大影响因素对ZT区块页岩气井产能影响程度按由大到小顺序排列,依次为压裂因素、地质因素、钻井因素,其中压裂因素中影响最为显著的是总支撑剂量、压裂液性质以及携砂液平均排量。在预测模型中,分别利用多元回归、...

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究的目的及意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 技术路线
第二章 页岩气井产能影响因素诊断及预测难点与对策
    2.1 主要难点与对策
        2.1.1 数据预处理困难
        2.1.2 主要影响因素分析方法存在缺陷
        2.1.3 影响因素考虑不够全面
        2.1.4 页岩气产能预测方法存在缺陷
    2.2 机器学习概述
    2.3 构建模型的机器学习算法选择
    2.4 本章小结
第三章 构建页岩气井产能主要影响因素诊断模型
    3.1 页岩气井产能主要影响因素统计
    3.2 数据预处理
        3.2.1 定性变量处理
        3.2.2 异常值检测
        3.2.3 缺失值处理
        3.2.4 相关性分析
        3.2.5 数据标准化
        3.2.6 主成分分析
    3.3 数据建模
        3.3.1 样本标记(聚类分析)
        3.3.2 建立页岩气井产能主要影响因素诊断模型
    3.4 本章小结
第四章 构建页岩气井产能预测模型
    4.1 模型评价指标与模型调优方法
        4.1.1 模型评价指标
        4.1.2 模型参数优选
    4.2 应用多元回归模型构建页岩气井产能预测模型
        4.2.1 多元回归算法原理
        4.2.2 建立页岩气产能多元回归模型
    4.3 应用支持向量机构建页岩气产能预测模型
        4.3.1 支持向量机原理
        4.3.2 支持向量机超参数优选
    4.4 应用随机森林构建页岩气产能预测模型
        4.4.1 随机森林算法原理
        4.4.2 随机森林超参数优选
    4.5 本章小结
第五章 页岩气产能诊断模型与预测模型应用
    5.1 页岩气产能诊断模型应用
    5.2 页岩气产能预测模型应用
第六章 认识与结论
    6.1 主要认识
    6.2 存在的问题
致谢
参考文献
附录A 页岩气样本井原始数据
附录B 页岩气样本井缺失值补全数据
附录C 页岩气样本井标准化主成分分析结果
附录D 页岩气井诊断模型及产能预测模型核心Python语言代码
攻读学位期间发表的论文



本文编号：3921556