基于PCA-BNN的页岩气压裂施工参数优化

• 作者: 刘健康 周彤 宋文容 檀朝东 贺甲元
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 压裂 主成分分析 贝叶斯神经网络 施工参数 优化
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 油气田人工智能技术与应用专刊
• 页码范围: 56-62
• 页数: 7页
• 分类号: TE319
• 语种: 中文
• DOI: 10.11885/j.issn.1674-5086.2020.05.12.05

摘要

国内外学者在已有大量国外页岩压裂样本数据的前提下,开展了基于机器学习的页岩气压裂有效期预测及压裂参数优化的研究.随着近年来中国F气田不断地规模开发,积累了大量的压裂施工、生产动态、解释成果数据.通过利用已有的200口井的压裂施工历史数据及储层物性参数建立贝叶斯神经网络模型来优化压裂施工参数.选取对压裂效果有影响的储层物性参数、完井参数、压裂施工参数,用皮尔逊相关系数法分析11个参数的相关性;用主成分分析法(PCA)进一步降维处理,以降维后的主成分作为贝叶斯神经网络模型的输入参数,以压裂效果评价指标(有效期)为输出参数,引入贝叶斯方法自适应调整正则化系数避免神经网络过拟合,生成三层贝叶斯神经网络预测模型.用200口井中90％的井数据作为训练集,10％的井数据作为测试集,对该模型进行训练,实验结果表明,训练后该模型预测测试集的相对误差均值在5％以内,可以用来优化压裂施工参数.