[发明专利]一种基于机器学习算法的裂缝相似度判断方法

说明书

本发明公开了一种基于机器学习算法的裂缝相似度判断方法，包括以下步骤：S1：获取目标井的压裂施工曲线数据，并进行压裂施工阶段划分，获得所述目标井各个压裂施工阶段的主压裂段；S2：对数据进行预处理，获得各主压裂段归一化后的压裂施工曲线数据；S3：采用能够进行时序性训练的机器学习算法进行单段压力预测模型训练，获得单段压力预测模型一；S4：根据所述单段压力预测模型一进行施工压力预测，得到裂缝相似程度，并初步判断出与裂缝相似段；S5：进行二次验证，若二次验证仍然判断裂缝相似，则最终判断两个压裂段裂缝相似。本发明能够快速判断各压裂段间的裂缝相似程度，从而更方便快捷的评价各压裂间的压裂效果。

技术领域

本发明涉及油气藏开采技术领域，特别涉及一种基于机器学习算法的裂缝相似度判断方法。

背景技术

砾岩致密油藏，孔渗条件较差，主要通过水平井压裂提高产能，但段间或井间产能差异巨大，如何判断不同压裂段间的压裂效果是亟需解决的问题。

目前常用的裂缝监测方法包括直接监测法和间接监测法。其中，直接监测方法普遍成本较高，受监测条件的限制，在实际施工过程中无法进行“一井一测”，并且监测后的结果也不是准确无误，仍需要多种手段联合分析。而间接监测法受制于模型的限制，在实际使用过程中解释需要求解不同的数据模型，计算过程繁琐，耗时较长，无法经济便捷的评价压裂效果。

发明内容

针对上述问题，本发明旨在提供一种基于机器学习算法的裂缝相似度判断方法。

本发明的技术方案如下：

一种基于机器学习算法的裂缝相似度判断方法，包括以下步骤：

S1：获取目标井的压裂施工曲线数据，并根据所述压裂施工曲线数据进行压裂施工阶段划分，获得所述目标井各个压裂施工阶段的主压裂段；

S2：对所述目标井所有主压裂段的压裂施工曲线数据进行预处理，获得各主压裂段归一化后的压裂施工曲线数据；

S3：选取其中一段主压裂段作为目标段一，根据所述目标段一归一化后的压裂施工曲线数据，采用能够进行时序性训练的机器学习算法进行单段压力预测模型训练，获得单段压力预测模型一；

S4：根据所述单段压力预测模型一对其余各主压裂段进行施工压力预测，得到其余各主压裂段与所述目标段一的裂缝相似程度，并初步判断出与所述目标段一裂缝相似的裂缝相似段；

S5：对所述裂缝相似段进行二次验证，若二次验证仍然判断所述目标段一与所述裂缝相似段裂缝相似，则最终判断所述目标段一与所述裂缝相似段裂缝相似。

作为优选，步骤S1中，所述压裂施工曲线数据包括加砂浓度、施工排量以及施工压力。

作为优选，步骤S1中，进行压裂施工阶段划分时，以加砂开始作为所述主压裂段的起始阶段，以加砂结束作为所述主压裂段的结束阶段。

作为优选，步骤S2中，所述预处理包括依次进行的平滑处理和归一化处理。

作为优选，采用Savitzky-Golay滤波器进行平滑处理，采用0~1标准化法进行归一化处理。

作为优选，步骤S3中，采用长短期记忆网络进行单段压力预测模型训练。

作为优选，步骤S3具体包括以下子步骤：

S31：将所述目标段一归一化后的压裂施工曲线数据按照比例划分为训练集和验证集；

S32：设定所述长短期记忆网络输入层、输出层、隐含层、学习率以及时间步长的预设值，向所述长短期记忆网络输入所述预设值，并根据所述训练集的数据进行施工压力预测，获得预测施工压力值一；

S33：计算所述预测施工压力值一与其对应的真实施工压力值一之间的相关系数一；