[发明专利]利用人工智能和模式识别的井性能分类

权利要求书

1.一种基于目标井的估计的井性能在生产烃储层中形成井的方法，所述估计的井性能是基于所述目标井的估计的井生产率和储层地质特性确定的，所述方法包括以下步骤：

(a)接收所述目标井的建议的井性能参数以在数据处理系统中进行处理，所述建议的井性能参数包括目标井生产率和所述储层中的所述井的建议的配置和位置；

(b)通过处理指示所述生产烃储层中的流体生产率、流量和压力的分类模型，在所述数据处理系统中形成所述目标井的分类模型；

(c)基于所形成的分类模型以及所述储层中的所述目标井的建议的配置和位置，在所述数据处理系统中形成所述目标井的生产率的概率估计；

(d)如果所述目标井的生产率的所述估计是可接受的，则在所述生产烃储层中形成所述目标井。

2.根据权利要求1所述的方法，其中，形成分类模型的步骤包括以下步骤：

形成对所述目标井的井生产性能进行分类的训练模型。

3.根据权利要求2所述的方法，其中，所形成的训练模型通过人工神经网络处理对所述目标井的井生产性能进行分类。

4.根据权利要求2所述的方法，其中，所形成的训练模型通过k均值聚类处理对所述目标井的井生产性能进行分类。

5.根据权利要求2所述的方法，其中，所形成的训练模型通过高斯朴素贝叶斯处理对所述目标井的井生产性能进行分类。

6.根据权利要求2所述的方法，其中，所形成的训练模型通过动态时间扭曲监督学习处理对所述目标井的井生产性能进行分类。

7.根据权利要求1所述的方法，其中，所述目标井的生产率的所述估计是不可接受的，并且所述方法还包括以下步骤：调节所述建议的井参数，并基于经调节的井参数形成生产率的概率估计。

8.一种数据处理系统，其基于生产烃储层中的目标井的估计的井生产率和储层地质特性形成所述目标井的估计的井性能的度量，所述数据处理系统包括执行以下步骤的处理器：

(a)接收所述目标井的建议的井性能参数以进行处理，所述建议的井性能参数包括目标井生产率和所述储层中的所述井的建议的配置和位置；

(b)通过处理指示所述生产烃储层中的流体生产率、流量和压力的分类模型，形成所述目标井的分类模型；

(c)基于所形成的分类模型和所述储层中的所述目标井的建议的配置和位置，形成所述目标井的生产率的概率估计；

(d)所述数据处理系统包括输出显示，其指示所述目标井的生产率的所述估计是否是可接受的，以用于在所述生产烃储层中形成所述目标井。

9.根据权利要求8所述的数据处理系统，其中，所述处理器在执行形成分类模型的步骤时执行以下步骤：

形成对所述目标井的井生产性能进行分类的训练模型。

10.根据权利要求9所述的数据处理系统，其中，所述处理器在执行形成训练模型的步骤时通过人工神经网络处理对所述目标井的井生产性能进行分类。

11.根据权利要求9所述的数据处理系统，其中，所述处理器在执行形成训练模型的步骤时通过k均值聚类处理对所述目标井的井生产性能进行分类。

12.根据权利要求9所述的数据处理系统，其中，所述处理器在执行形成训练模型的步骤时通过高斯朴素贝叶斯处理对所述目标井的井生产性能进行分类。

13.根据权利要求9所述的数据处理系统，其中，所述处理器在执行形成训练模型的步骤时通过动态时间扭曲监督学习处理对所述目标井的井生产性能进行分类。