[发明专利]基于时序多目标预测模型的井位及注采参数联合优化方法

权利要求书

1.一种基于时序多目标预测模型的井位及注采参数联合优化方法，其特征在于，包括如下步骤：

步骤1、筛选水驱开发效果主控因素，结合水驱开发潜力公式对目标油藏进行水驱潜力分类分级评价；

步骤2、采用井位及注采参数数值模拟样本生成模块生成水驱开发效果时序预测样本集；

步骤3、基于长短期记忆神经网络建立时序多目标预测模型，并进行模型训练；

步骤4、输出训练完成且性能评价良好的时序多目标预测模型，耦合多目标优化算法NSGA-Ⅱ建立井位及注采参数联合优化模型，优化得到最终的注入井初始井位坐标、生产井初始井位坐标、注入井日注水量月度数据、生产井日产油量月度数据及其对应的累计产油量、含水率时序变化规律。

2.根据权利要求1所述基于时序多目标预测模型的井位及注采参数联合优化方法，其特征在于，所述步骤1的具体过程如下：

步骤1.1、分析水驱开发效果影响因素，确定水驱开发效果评价指标；影响水驱开发效果的因素包括开发因素、地质因素、流体因素；其中，开发因素包括单井日注水量、单井日产油量、井底流压、注采比；地质因素包括渗透率、孔隙度、含水饱和度、油藏压力、油藏埋深；流体因素包括原油粘度；水驱开发效果评价指标分别为累计产油量及含水率；

步骤1.2、基于随机森林算法筛选水驱开发效果主控因素；

水驱潜力评价因素集包含评价因素和评价指标两部分，评价因素包含开发因素、地质因素、流体因素，评价指标包含累计产油量及含水率；为体现分类分级的评价过程，水驱潜力评价因素集的评价因素包含三个级别的评价对应关系，其中，将水驱潜力作为一级因素，从开发因素、地质因素、流体因素三个方面的油藏和人工角度出发，提取获得水驱潜力分类的三个二级因素，将开发因素、地质因素、流体因素三个方面包含的具体特征表示为三级因素；

将随机森林算法内部决策树模型的基尼系数变化作为主控因素筛选准则，特征重要性得分用表示，基尼系数用来表示；若共有个特征，，…，，基尼系数的计算公式见式(1)：

 (1)；

其中，表示有个决策树类别，为决策树类别索引，表示有个决策树节点中类别所占的比例；

节点分枝前后的基尼系数变化量为特征在决策树节点中的重要性，计算过程见式(2)：

 (2)；

其中，和分别表示分枝后两个新节点、的基尼系数；

那么每个特征在第颗决策树中的特征重要性得分计算见式(3)：

 (3)；

其中，表示第棵决策树，表示第个特征，表示决策树中的节点，表示特征出现在决策树中节点的集合；

假设在随机森林中共有棵决策树，则特征重要性得分见式(4)：

 (4)；

对所获得的特征重要性得分进行归一化处理，归一化处理后的特征重要性得分见式(5)：

 (5)；

基于公式(1)至公式(5)对应的过程计算所有三级因素的特征重要性得分，并依据得分大小进行排序；为三级因素中的评价因素赋予权重值，各因素的权重值为重要性得分的数值，进一步通过三级因素中的评价因素对应的权重值，获得对应的二级因素的权重值，见式(6)：

 (6)；

其中，表示二级因素的权重值；

以此类推，根据所述二级因素中的评价因素的特征重要性得分，计算所述二级因素中的评价因素对应在一级因素中的评价因素的权重值；将每一级的权重值分别与各影响因素的特征重要性得分相乘，得到各影响因素最终的特征重要性得分，并依据最终的特征重要性得分由大到小依次将各影响因素进行得分求和，筛选出得分总和大于0.8的因素作为水驱开发效果主控因素；

步骤1.3、水驱开发潜力公式分类评价；

建立如式(7)所示的水驱开发潜力公式，该公式依据油藏的动态泄油能力以及静态储量分布来量化评价目标油藏的水驱开发潜力；在该公式中，考虑了可动油饱和度、有效孔隙压力、渗透率以及油水界面的影响，并依据随机森林算法的特征重要性得分来确定不同因素的权重分配，具体如下：

 (7)；

式中，为网格在时间的水驱开发潜力；为网格在时间的含油饱和度；为泛指的每个网格的含油饱和度；表示油藏残余油饱和度；为网格在时间的油藏压力；为泛指的每个网格的油藏压力；为网格的渗透率；为油藏中部与油水界面之间的距离；为构造最高点与油水界面之间的距离；、、、分别为不同因素的分配权重；表示求最大值，表示求最小值；

依据目标油藏的水驱开发潜力分布，结合K-means聚类算法对目标油藏不同区块进行水驱开发潜力的定性分类评价。