基于机器学习的页岩气采收率预测方法

• 作者: 严子铭 王涛 柳占立 庄茁
• 来源期刊: 固体力学学报
• 关键词: 页岩气 水平井 水力压裂 机器学习 预测采收率
• 年，卷（期）: 2021,（3）
• 页码范围: 221-232
• 页数: 12页
• 语种: 中文
• DOI: 10.19636/j.cnki.cjsm42-1250/o3.2021.027

摘要

页岩气是指以吸附和游离时而还有流体相的状态赋存于泥页岩中的非常规天然气,我国探明储量丰富,地域分布广泛,埋藏深度普遍在3000米以下.页岩气开采的关键技术是水平井和水力压裂,而高效开采面临的更大困难和挑战是预测采收率.如果能够预测采收率,一是可以评估当前储层改造程度,二是可以获悉当前的施工参数对产气量的直接影响,便于动态指导施工.由于影响产气量的因素既包括储层自身参数,又受施工参数的直接调控,因此尚无合适的物理模型能够评估多种因素对产气量的综合影响.近年来,随着深度学习的兴起,该方法成为解决工程领域问题的热门手段.论文通过解读涪陵地区页岩气开采水平井的现场数据,分别使用深度神经网络、支持向量回归以及极限梯度爬升等三种机器学习方法,建立了从储层和施工参数到采收率的预测模型,分析了各类模型的优缺点,以及相关参数的重要性.在页岩气施工现场数据量较少的情况下,建立了合理预测采收率模型,具有工程应用前景.