陳德承

（荊州職業(yè)技術(shù)學(xué)院，湖北 荊州 434000）

0 引言

近年來，隨著大數(shù)據(jù)技術(shù)的發(fā)展，為石油勘探與開發(fā)各技術(shù)環(huán)節(jié)的算法升級提供新啟發(fā)，并已率先應(yīng)用于提高測井與地震解釋質(zhì)量、采油工程動圖優(yōu)化、智能鉆井等領(lǐng)域［1-5］。將人工智能算法應(yīng)用于壓裂參數(shù)優(yōu)化，能有效提高壓后油井產(chǎn)能的預(yù)測精度，并據(jù)此提出更加高效的壓裂設(shè)計及實施方案，成為新一代壓裂工程師最迫切的任務(wù)。

智能壓裂參數(shù)優(yōu)化方法是具有全面感知、自動調(diào)整和優(yōu)化決策等功能的壓裂參數(shù)優(yōu)化技術(shù)。借助大數(shù)據(jù)、數(shù)據(jù)挖掘技術(shù)、壓后產(chǎn)能主控因素分析方法，進行智能模擬和預(yù)測分析，從而實現(xiàn)壓裂參數(shù)優(yōu)化設(shè)計的動態(tài)優(yōu)化，達到提高壓后產(chǎn)能的目的?；跀?shù)據(jù)模型的壓裂參數(shù)智能優(yōu)化方法包括大數(shù)據(jù)分析技術(shù)、數(shù)據(jù)代理模型建立及智能優(yōu)化算法尋優(yōu)技術(shù)?，F(xiàn)有的壓裂參數(shù)設(shè)計主要是基于單井的數(shù)值模擬及解析法。茍波等［6］以儲層精細(xì)地質(zhì)模型為基礎(chǔ)，采用數(shù)值模擬方法進行壓裂參數(shù)優(yōu)化。曲占慶等［7］建立了氣藏模型和裂縫模型，并對地壓裂參數(shù)進行優(yōu)化。鐘森［8］基于復(fù)位勢及勢疊加原理等基本滲流理論，利用解析法對壓裂參數(shù)進行優(yōu)化。現(xiàn)有的壓裂參數(shù)優(yōu)化方法缺乏對大規(guī)模壓裂數(shù)據(jù)的全面認(rèn)知，很難從整體上對壓裂參數(shù)進行優(yōu)化，且設(shè)計過程耗時較長。基于數(shù)據(jù)模型的壓裂參數(shù)智能優(yōu)化方法將實現(xiàn)從壓裂關(guān)鍵參數(shù)分析、壓后產(chǎn)能預(yù)測到壓裂方案設(shè)計的各環(huán)節(jié)大數(shù)據(jù)的適時獲取、充分共享和深度挖掘應(yīng)用，從而達到優(yōu)化壓裂參數(shù)設(shè)計、精細(xì)化壓裂流程管理與量化決策的一體化運作模式，是未來發(fā)展方向和壓裂施工降本增效的有力保障。

1 基于數(shù)據(jù)模型的壓裂參數(shù)智能優(yōu)化方法

1.1 研究思路與流程設(shè)計

基于數(shù)據(jù)模型的壓裂參數(shù)智能優(yōu)化方法的研究思路與流程設(shè)計如圖1所示。首先，建立地質(zhì)工程一體化數(shù)據(jù)庫，在此基礎(chǔ)上進行壓后產(chǎn)能主控因素分析，從而得到對壓后產(chǎn)能影響較大的壓裂參數(shù)。其次，利用機器學(xué)習(xí)算法來搭建壓裂參數(shù)與壓后產(chǎn)能的關(guān)聯(lián)模型，形成數(shù)據(jù)代理模型。最后，利用智能優(yōu)化算法并基于該數(shù)據(jù)代理模型來搜尋最優(yōu)的壓裂施工參數(shù)組合，從而形成壓裂方案。

圖1 基于數(shù)據(jù)模型的壓裂參數(shù)智能優(yōu)化方法實現(xiàn)流程

1.2 壓后產(chǎn)能主控因素分析

大數(shù)據(jù)分析目的是從海量的未知相關(guān)數(shù)據(jù)中找出一定的相關(guān)性。基于一體化模型及壓裂施工、生產(chǎn)數(shù)據(jù)等，對數(shù)據(jù)進行數(shù)據(jù)整理、數(shù)據(jù)清洗、模型訓(xùn)練和預(yù)測，選擇與水平井產(chǎn)能關(guān)系相對密切且影響較大的參數(shù)，并對其進行排序，為指導(dǎo)區(qū)塊高效開發(fā)提供參考依據(jù)。不同區(qū)塊間的地質(zhì)、巖石力學(xué)地應(yīng)力、壓裂施工等參數(shù)的差異性較大。產(chǎn)能受多種因素的影響，且影響因素極為復(fù)雜。建立以產(chǎn)量最大化的決策函數(shù)，將訓(xùn)練好的參數(shù)使用智能優(yōu)化算法尋找最佳參數(shù)組合。在兼顧產(chǎn)量或投資效益的基礎(chǔ)上，為壓裂作業(yè)過程提供最佳的方案設(shè)計。壓后產(chǎn)能主控因素分析實現(xiàn)流程如圖2所示。

圖2 壓后產(chǎn)能主控因素分析實現(xiàn)流程

1.2.1 地質(zhì)工程一體化知識數(shù)據(jù)庫建立。使用人工智能大數(shù)據(jù)分析軟件，并基于油田現(xiàn)場的水平井完井報告，從而提取完井?dāng)?shù)據(jù)，整理蘇東南區(qū)致密氣井區(qū)的全生命周期的各種動靜態(tài)數(shù)據(jù)，建立產(chǎn)能主控因素分析的大數(shù)據(jù)分析數(shù)據(jù)庫。儲層物性及巖石力學(xué)參數(shù)包括砂體厚度、含氣飽和度、有效儲層段長度、儲層厚度、水平段長度、滲透率、孔隙度等。壓裂施工參數(shù)包括返排率、砂比、總液量、加砂量、加砂強度、簇數(shù)、段數(shù)、最大排量等。生產(chǎn)數(shù)據(jù)為6個月和1年的產(chǎn)氣量。

1.2.2 數(shù)據(jù)預(yù)處理技術(shù)。區(qū)塊全生命周期的地質(zhì)工程一體化數(shù)據(jù)數(shù)量龐大，且來自不同類型的數(shù)據(jù)源，出現(xiàn)數(shù)據(jù)異常的可能性比較高。因此，在數(shù)據(jù)分析前，有必要對數(shù)據(jù)進行預(yù)處理，至少要經(jīng)過異常值的甄別和缺失值的填充。通過對數(shù)據(jù)的統(tǒng)計分析，計算最大值、最小值、下四分位值、上四分位值和中位數(shù)。每個類型的數(shù)據(jù)都有一個范圍，超出范圍的，即為異常值。此外，另一類異常值屬離群點，如圖3所示，上、下四分位的差值IQR=U-L，即合理的值的范圍為［L-1.5IQR，U+1.5IQR］，超出該范圍的數(shù)據(jù)，很可能就是異常值。

圖3 離群異常值箱型圖

1.2.3 數(shù)據(jù)代理模型優(yōu)選。使用不同算法，如Linear、Lasso、Quadratic、Quadratic Lasso、Random Forest、Gradient Boost Regression等，基于已有的地質(zhì)、工程、巖石力學(xué)、壓裂施工等參數(shù)來預(yù)測模型的產(chǎn)能。在訓(xùn)練模型時，把數(shù)據(jù)分為訓(xùn)練集和評價集，綜合考慮模型在訓(xùn)練集和評價集上的表現(xiàn)，這是為了防止出現(xiàn)過擬合或欠擬合，優(yōu)選出最佳的算法模型，從而預(yù)測產(chǎn)能（見圖4）。

圖4 不同算法訓(xùn)練集、測試集、全集擬合度雷達圖

1.3 壓裂施工參數(shù)優(yōu)化

利用粒子群算法［9-10］，在數(shù)據(jù)代理模型的基礎(chǔ)上對壓裂施工參數(shù)進行優(yōu)化。標(biāo)準(zhǔn)的PSO的算法流程如圖5所示。

圖5 標(biāo)準(zhǔn)PSO算法流程

2 方法應(yīng)用效果

基于智能優(yōu)化法對水平井總液量、加砂強度、砂比進行優(yōu)化。通過對74口水平井（水力噴砂分段壓裂）進行優(yōu)化，原始總液量從1 534～8 151.4 m3，平均3 456 m3，將總液量優(yōu)化為3 000～4 600 m3。加砂強度從1.2～3.2優(yōu)化為2～3。砂比從15.8～19.8，平均18，優(yōu)化為17～19。優(yōu)化后，74口水平井（圖6展示15口井的產(chǎn)氣量）的6個月累計產(chǎn)氣量從54 390萬m3預(yù)計增加為57 051萬m3，預(yù)計實現(xiàn)增氣量2 661萬m3。

圖6 基于大數(shù)據(jù)的總液量優(yōu)化

3 結(jié)語

本研究利用基于數(shù)據(jù)模型的壓裂參數(shù)智能優(yōu)化法來實現(xiàn)大規(guī)模壓裂數(shù)據(jù)的全局快速優(yōu)化，比依靠工程師經(jīng)驗及單個井的數(shù)值模擬進行壓裂參數(shù)優(yōu)化的傳統(tǒng)方法具有明顯優(yōu)勢。利用該方法對蘇東南某致密氣井區(qū)的74口水平井進行了壓裂參數(shù)進行優(yōu)化，優(yōu)化結(jié)果顯示，該區(qū)合理的總液量為3 000～4 600 m3，加砂強度優(yōu)化為2～3，砂比優(yōu)化為17～19，優(yōu)化后增氣量為2 661萬m3，優(yōu)化效果顯著。