基于机器学习的煤层气产能标定智能算法及影响因素分析

摘要

煤层气是我国常规天然气现实可靠的战略补充资源之一，智能化标定煤层气产能对于天然气工业的发展具有重要意义.对山西沁水盆地某煤层气区块的煤层气井进行了实际地质、生产数据的收集及数据预处理，提出了基于生产井史的煤层气单井产能计算公式.利用预处理后的生产数据及储层数据，建立了基于深度神经网络、支持向量回归机、随机森林的煤层气产能标定智能算法，对煤层气单井产能进行了预测，比较了三种机器学习模型的预测结果，分析了不同排采天数的生产数据作为输入参数对模型精度的影响.基于预测效果最好的机器学习模型，进行了动态参数（排采前期的日产气、日产水和井底流压）和静态参数（煤层埋深、孔隙度、渗透率、煤层厚度和含气量）对煤层气产能标定模型的重要性程度分析.结果表明：三种机器学习模型标定煤层气单井产能的平均决定系数为0.828，其中深度神经网络模型决定系数最高，达0.923；增加生产数据前期排采天数，决定系数增长趋势明显，之后增长趋势减缓并最终趋于平稳；动态参数和静态参数对产能的影响都较强，这两类参数对于产能预测模型的贡献度分别为48%和52%.

关键词

煤层气 / 沁水盆地 / 单井产能 / 智能算法 / 机器学习

基金资助

国家自然科学基金面上资助项目（11972073,52274027）; 中石油前瞻性基础性技术攻关项目（2021DJ2301）