| 基于CBFS-CV算法的煤层气井压裂效果主控因素识别 |
| |
| 引用本文： | 闵超,张馨慧,杨兆中,李小刚,代博仁.基于CBFS-CV算法的煤层气井压裂效果主控因素识别[J].油气地质与采收率,2022,29(1):168-174. |
| |
| 作者姓名： | 闵超 张馨慧 杨兆中 李小刚 代博仁 |
| |
| 作者单位： | 1.西南石油大学理学院，四川成都610500；2.西南石油大学人工智能研究院，四川成都610500；;3.西南石油大学油气藏地质及开发工程国家重点实验室，四川成都610500 |
| |
| 基金项目： | 国家科技重大专项“多层复杂煤体结构区煤储层直井压裂技术研究”（2016ZX05044-004-002），四川省科技计划项目“四川页岩气产业发展质量综合监测和评价技术研究与应用示范”（2020YFG0145）。 |
| |
| 摘 要： | 准确识别煤层气井压裂效果的主控因素,进而有效指导重复压裂方案优化,是煤层气井提升重复压裂产能的关键。依托研究区块的地质及工程大数据,利用基于Copula互信息的特征选择和交叉验证算法(CBFS-CV)识别影响压裂效果的主控因素,并结合梯度提升回归模型进行产能预测检验,形成了一种改进的煤层气井压裂效果主控因素识别算法。该算法可有效减少冗余性特征且增大相关性,并确定最佳特征数目。结果表明:煤体结构、储层参数(含气量、含气饱和度和临储比)和施工排量参数(最大施工排量)是影响研究区块压裂效果的3个主控因素,通过梯度提升回归模型验证CBFS-CV算法所识别出的主控因素的预测符合率达88%,证明了该算法的有效性。利用结果对该区块典型井进行主控因素分析,采用氮气泡沫解堵方案解决煤体结构差、煤粉堵塞等问题,现场施工后日产气量由288 m3/d增至805 m3/d,压裂效果明显改善。
|
| 关 键 词： | 煤层气 压裂效果 主控因素 Copula互信息 回归模型 大数据 |
Identification of main controlling factors of fracturing performance
in coalbed methane wells based on CBFS-CV algorithm |
| |
| MIN Chao,ZHANG Xinhui,YANG Zhaozhong,LI Xiaogang,DAI Boren.Identification of main controlling factors of fracturing performance
in coalbed methane wells based on CBFS-CV algorithm[J].Petroleum Geology and Recovery Efficiency,2022,29(1):168-174. |
| |
| Authors: | MIN Chao ZHANG Xinhui YANG Zhaozhong LI Xiaogang DAI Boren |
| |
| Affiliation: | (School of Science,Southwest Petroleum University,Chengdu City,Sichuan Province,610500,China;Institute for Artificial Intelligence,Southwest Petroleum University,Chengdu City,Sichuan Province,610500,China;State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation,Southwest Petroleum University,Chengdu City,Sichuan Province,610500,China) |
| |
| Abstract: | |
| |
| Keywords: | coalbed methane fracturing performance main controlling factor Copula-based mutual information regression model big data |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《油气地质与采收率》浏览原始摘要信息 |
|
点击此处可从《油气地质与采收率》下载全文 |
|
