[发明专利]基于高斯过程回归的气井井口油嘴气体流量分析预测方法

说明书

本发明公开了一种基于高斯过程回归的气井井口油嘴气体流量分析预测方法，包括以下步骤：S1：收集现场井口油嘴基础数据，将其分为训练数据样本和测试数据样本；S2：选定核函数并假定其待定参数的迭代初始值；S3：计算协方差矩阵，基于最大似然估计方法利用训练数据样本进行高斯过程回归的训练，获得高斯过程回归模型；S4：利用测试数据样本对高斯过程回归模型进行测试计算预测误差；S5：选择不同的核函数，重复步骤S2‑S4，比较不同核函数的预测误差，优选出误差最小的高斯过程回归模型；S6：根据步骤S5的模型对待测气井井口油嘴气流量进行分析预测。本发明能够有效处理气井井口油嘴数据，准确预测井口油嘴气液两相嘴流条件下的气体流量大小。

技术领域

本发明涉及气藏开发技术领域，特别涉及一种基于高斯过程回归的气井井口油嘴气体流量分析预测方法。

背景技术

随着我国能源需求日益增加，页岩气作为非常规油气资源的有效补充，备受关注，也成为保障我国能源供给的关键一环。在页岩气生产系统中，通过合理的改变页岩气井井口油嘴尺寸，限制通过其的气体流量，井口油嘴在避免气井生产过快、防止气水锥进、控制出砂以及减少管道潜在损害等方面发挥着重要作用。因此，准确的预测油嘴气体流量，能有效保障气井生产安全，提高生产效率。

页岩气井生产过程中，井口油嘴内通常都存在气液两相流。在气液两相流条件下，油嘴的性能特点比较复杂，很难准确预测油嘴流量，选择合理的井口油嘴尺寸。目前预测油嘴流量的方法主要为Gilbert-type correlation(GC)、artificial neural network(ANN)、support vector machine(SVM)等经验方法和基于质量、动量和能量平衡方程的理论方法。但很明显，理论模型较为复杂，不便于现场应用。经验方法主要通过对现场数据进行分析，确定几个主要影响油嘴流量因素，然后建立模型，预测油嘴流量。传统GC方法的油嘴流量预测误差较大，对此前人提出了ANN、SVM等预测准确度较高的方法，目前学者们仍在继续探索预测效果更好的新方法。

发明内容

针对上述问题，本发明旨在提供一种基于高斯过程回归的气井井口油嘴气体流量分析预测方法，更易于实施且有较高精度，能够弥补现有技术油嘴流量预测方法的不足。

本发明的技术方案如下：

一种基于高斯过程回归的气井井口油嘴气体流量分析预测方法，包括以下步骤：

S1：收集现场井口油嘴基础数据，将所述现场井口油嘴基础数据分为训练数据样本和测试数据样本；

作为优选，所述现场井口油嘴基础数据包括不同时刻的气流量、生产液气比、油嘴直径、井口温度以及井口油压。所述井口温度可通过温度计检测获得，所述进口油压可通过压力计监测获得。

作为优选，所述气流量为流过井口油嘴、标准状况条件下的气体体积流量；所述生产液气比为流过井口油嘴、标准状况条件下的液体流量与气体体积流量之比。

作为优选，将每个时刻下的气流量、生产液气比、油嘴直径、井口温度以及井口油压各分为一组；所述训练数据样本的组数大于所述测试数据样本的组数。

作为优选，所述训练数据样本与所述测试数据样本的组数比例为6-9:4-1。

S2：选定核函数，假定所述核函数待定参数的迭代初始值；

作为优选，所述核函数为指数核函数、平方指数核函数、二次有理核函数、Matérn核函数中的任意一种；

所述指数核函数为：

所述平方指数核函数为：

所述二次有理核函数为：

所述Matérn核函数为：