[发明专利]利用人工智能和模式识别的井性能分类

说明书

基于实际储层和井数据的异构分类器被开发用于定性地分类油井生产器性能，并且基于分类将新井钻入生产储层或调整现有井中的流体流量。数据包括一个或多个射孔间隔、完成类型、以及射孔区域相对于自由水位或气顶有多远或有多近。数据还包括地质数据，如区域性断层和裂缝的主要地质体。可以在分类之前对特征进行优先级排序。分类器利用四种不同的技术将模式识别应用于储层模拟矢量数据以对井进行分类。分类技术中的三种是监督学习方法：贝叶斯分类、动态时间扭曲和神经网络。第四种分类是无监督的方法，即聚类，以将井自动分组成类似的类别。

技术领域

本发明涉及基于井特性、地质和流体流量对井的生产的性能进行分类。

背景技术

目前，利用分析模型来进行规划新井，该分析模型基于储层能量(平均储层压力图)和饱和度来估计井生产/注入分配。井规划是针对水平井、多边井和斜井以及更常规的竖直井进行的。然而，对于大型储层或复杂地质而言，特别是在没有能够准确预测井性能的分析模型的情况下，井规划变得非常复杂。在这种情况下，只能根据附近的井来估计井分配。数值储层模拟用于优化井设计和预期的井性能。然而，该技术需要非常大量的计算机化储层模拟运行，这既耗时又造成计算机资源密集。

现有的技术是一种确定性方法，其使用由随机组合发生器基于预定的井规划产生的井参数作为输入。此外，使用井的经济分析来测量井的性能，这需要开发经济风险评估作为输入参数的一部分。现有的技术方法也是确定性的，因为计算了储层产量的固定值。

发明内容

简要地，本发明提供了一种新的且改善的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估计的井生产率和储层地质特性确定的。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井的建议的配置和位置。通过处理储层模拟结果，在所述数据处理系统中形成所述目标井的分类模型，所述分类模型指示所述生产烃储层中的流体生产率、流量和压力。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。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。

本发明还提供了一种数据处理系统，其基于生产烃储层中的目标井的估计的井生产率、储层地质特性和计算机化储层模拟结果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处理器，该处理器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井的建议的配置和位置。所述处理器通过处理储层模拟结果来形成所述目标井的分类模型，所述分类模型指示所述生产烃储层中的流体生产率、流量和压力。所述处理器随后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。所述数据处理系统还包括输出显示，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。

本发明还提供一种数据存储装置，其具有存储在非暂时性计算机可读介质中的计算机可操作指令，用于使数据处理系统基于生产烃储层中的目标井的估计的井生产率、储层地质特性以及计算机化储层模拟结果形成所述目标井的估计的井性能的度量。所存储的指令使数据处理系统接收所述目标井的建议的井性能参数以进行处理，并且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井的建议的配置和位置。所述指令还使处理器通过处理储层模拟结果来形成所述目标井的分类模型，所述分类模型指示所述生产烃储层中的流体生产率、流量和压力。所诉指令还使处理器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，并且使得形成输出显示，所述输出显示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。

附图说明

图1是根据本发明的用于井性能分类的计算机处理步骤的功能框图或流程图。

图2是图1中所示的功能框图的计算机处理步骤的更详细的功能框图。