综合运用地质、机器学习、模式识别和多元统计法计算二叠盆地页岩水平井EUR

• 作者: Abhishek Gaurav 宋建平 江文全
• 来源期刊: 石油地质科技动态
• 学科: 工学
• 关键词: 视觉模式识别 水平井开发 机器学习 计算过程 地质信息 综合运用 EUR 多元统计法
• 年，卷（期）: sydzkjdt,（2）
• 页码范围: 20-37
• 页数: 18页
• 分类号: TE341

摘要

本次研究的目的是以研究区附近在产的页岩水平井的各种参数作为输入，综合运用地质、机器学习、模式识别和统计分析等手段，准确地计算页岩水平井的估计最终开采量（EUIk）。本次研究利用局部的地质信息，通过机器学习来识别能够改善生产动态的关键井参数。然后开展模式识别，同时要确保每种类型井中的井数具有统计意义。这也是一种质量控制手段，以免仅仅基于机器学习的结果做出结论。利用现有文献中有关井产量与各种井参数之间的相关性对结论进行验证。选取拥有最佳（可控）参数的井，建立研究区目的层段的标准曲线。上述方法使标准曲线／EUR计算过程实现科学化、系统化和无缝化。机器学习有助于识别与较好井生产动态具有相关性的关键井参数。视觉模式识别增强了对最后一步识别出的相关性的信心。不同的参数对不同区域／目的层的产量有不同的影响，这也证实了在对任何一个页岩区块进行评价时，都需要开展深入的研究，这样才能得出合理的结论。选取研究区内完井质量最佳的井，建立了沃尔夫坎普（Wolfcamp）组各产层段的标准曲线，．利用文中所讲的方法识别出了最佳的完井参数。这样做有助于识别研究区水平井开发的真实经济潜力。本文描述了一种资料密集型的科学新方法，以步进（step—wise）的方式系统地利用井资料建立评价区内井的标准曲线并计算其EUR，进而确定所评价区块的真实经济潜力。除了所讲的大数据挖掘方法之外，本次研究还得出了以下最重要的认识，即要对页岩资产进行最佳的评价，关键在于建立可控的井参数与井产量的关系。一旦建立了这种关系，就能够更加准确地建立标准曲线和计算估计最终开采量（EUR）。