[发明专利]压裂施工压力预测模型建立方法及装置、预测方法及装置

说明书

本文涉及人工智能领域，提供了压裂施工压力预测模型建立方法及装置、预测方法及装置，其中，压裂施工压力预测模型建立方法包括：收集多个时间步长的压裂现场施工数据及压裂规划数据；根据p个时间步长的压裂现场施工数据及p+1～p+q个时间步长的压裂规划数据，构建多个输入样本；根据p+1～p+q个时间步长的施工压力，构建多个与输入样本相对应的标定施工压力向量；利用多个输入样本及标定施工压力向量，训练预先建立的神经网络模型中的参数，将训练得到的神经网络模型作为施工压力预测模型。本文建立的施工压力预测模型能够实现未来时刻施工压力的预测，保证压裂过程施工压力预测的准确性。

技术领域

本文涉及人工智能领域，尤其涉及一种压裂施工压力预测模型建立方法及装置、压裂施工压力预测方法及装置。

背景技术

随着全球能源消耗增加，常规石油资源量不断减少，低渗透油气藏在石化能源供给方面的重要性日益突出，作为低渗透油气藏资源开发和低产井增产改造主要技术手段的压裂施工技术，在低渗透油气藏资源开发中应用愈发广泛。页岩气已经成为新能源发展领域的重点关注对象，在页岩气等一系列低渗透油气藏压裂施工的过程中，压裂砂堵是影响压裂效果和成本效益的主要难题。

压裂砂堵是压裂施工过程中加砂阶段支撑剂聚集在压裂井底周围或裂缝中形成堵塞，使地面施工压力突然升高，进而导致压裂施工难以继续进行的现象。发生砂堵时，轻则形成高压憋坏管线，损坏设备，造成压裂液等施工物质材料的浪费，大幅度提高生产作业成本，重则造成重大伤亡事故，造成地层渗流，导致压裂施工井的报废。因此，若能对压裂施工砂堵进行预警，进而及时采取有效的应对措施，对于避免发生砂堵具有重要意义。

目前，压裂现场进行砂堵预警时，多依靠人工肉眼进行施工压力曲线监测与人为分析，施工压力曲线仅是当前工况的即时响应，并不能显示未来时刻的施工压力，所以导致该方式具有较大的滞后性。因此，提前预测压裂施工压力对砂赌预测具有很大指导意义。

发明内容

本文用于解决现有技术中，压裂现场进行砂堵预警方法无法预测未来压力曲线，进而导致砂堵确定存在滞后性的问题。

为了解决上述技术问题，本文的第一方面提供一压裂施工压力预测模型建立方法，包括：

收集多个时间步长的压裂现场施工数据及压裂规划数据，其中，每一时间步长的压裂现场施工数据包括施工压力数据、施工排量及施工砂浓度，每一时间步长的泵压裂规划数据包括规划排量及规划砂浓度；

根据p个时间步长的压裂现场施工数据及p+1～p+q个时间步长的压裂规划数据，构建多个输入样本，其中，p和q为正整数；

根据p+1～p+q个时间步长的施工压力，构建多个与输入样本相对应的标定施工压力向量；

利用所述多个输入样本及标定施工压力向量，训练预先建立的神经网络模型中的参数，将训练得到的神经网络模型作为施工压力预测模型。

作为本文的进一步实施例中，根据p个时间步长的压裂现场施工数据及p+1～q个时间步长的压裂规划数据，构建多个输入样本，包括：

将每连续p个时间步长的压裂现场施工数据及该连续p个时间步长之后的p+1～p+q个时间步长的压裂规划数据组成非等长数据组；

对所述非等长数据组进行数据填充处理，得到输入样本。

作为本文的进一步实施例中，对所述非等长数据组进行数据填充处理，得到输入样本包括：

确定非等长数据组中最短的数据序列以及最长的数据序列；

将最短的数据序列用占位符填充至与最长数据序列等长。

作为本文的进一步实施例中，所述神经网络模型包括：输入层、掩盖层、隐藏层及输出层；