(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111326457.8 (22)申请日 2021.11.10 (65)同一申请的已公布的文献号 申请公布号 CN 114021466 A (43)申请公布日 2022.02.08 (73)专利权人 西南石油大 学 地址 610500 四川省成 都市新都区新都大 道8号 (72)发明人 林然　赵金洲　任岚　唐登济　 吴建发　付永强　宋毅　 (74)专利代理 机构 成都其知创新专利代理事务 所(普通合伙) 51326 专利代理师 房立普 (51)Int.Cl. G06F 30/27(2020.01)G06F 30/28(2020.01) E21B 43/26(2006.01) E21B 49/00(2006.01) G06F 113/08(2020.01) G06F 119/14(2020.01) 审查员 高宇峰 (54)发明名称 基于返排数据和机器学习的页岩气有效缝 网体积预测方法 (57)摘要 本发明公开了一种基于返排数据和机器学 习的页岩气有效缝网体积预测方法， 步骤如下： 建立压裂液两相返排模型， 基于返排数据， 对缝 网压裂页 岩气井的有效缝网体积进行反演， 获得 页岩气有效缝网体积的标签数据集； 建立合适的 特征综合指数计算模型进行特征选择， 获得影 响 页岩气有效缝网体积的强相关特征； 对特征选择 的强相关特征进行相关性计算和主成分分析， 建 立页岩气有效缝网体积的机器学习预测模型； 应 用建立的页岩气有效缝网体积预测模 型， 利用特 征重要性评价方法PI， 计算各特征对有效缝网体 积的相对重要性， 获得缝网压裂页岩气井压后效 果的主控因素， 建立缝网压裂页 岩气井施工参数 的遗传算法优化工作流程， 进行压裂施工参数优 化设计。 权利要求书3页 说明书13页 附图4页 CN 114021466 B 2022.08.23 CN 114021466 B 1.一种基于返排数据和机器学习的页岩气有效缝网体积预测方法， 其特征在于， 包括 如下步骤： S1、 建立压裂液两相返排模型， 然后 基于返排数据， 对缝网压裂页岩气井的有效缝网体 积进行反演； 所述压裂液两相返排模型包括： 压裂液和页岩气流动方程， 以及裂缝 ‑基质流 动物质平衡方程； S2： 为获得影响页岩气有效缝网体积的强相关特征， 建立特征综合指数计算模型， 进行 特征选择； S3： 对特征选择的强相关特征进行相关性计算和主成分分析， 建立页岩气有效缝网体 积的机器学习预测模型； S4： 应用建立的页岩气有效缝网体积机器学习预测模型进行 下述两种措施： (1)利用特 征重要性评价方法PI， 计算各 特征对有效缝网体积影响的相对重要性； (2)建立缝网压裂页岩气井施工参数的遗传算法优化工作流程， 进行压裂施工参数优 化设计。 2.如权利要求1所述的基于返排数据和机器学习的页岩气有效缝网体积预测方法， 其 特征在于， 所述 步骤S1中的压裂液和页岩气流动方程 为： 式中： μi为流体粘度； Bi为流体体积系数； Kri为流体相对渗透率； i为气、 水； l0、 Wf0和hf0 分别是树形分形裂缝的初始长、 宽和高， 为拟合参数； RL、 RW和Rh分别是裂缝长度、 宽度和高 度比， 为拟合参数； n为分形裂缝的分支数， 本发明取n＝2； m为裂缝级数， 为拟合参数； Pf为 缝网平均压力； Pwf为井底流压； 气、 水产量叠加分别为 其中： Nf为水平井分段压裂的总簇数， 其满足下列关系 Nf＝nf·nCL                         (4) 式中： nf为压裂段 数； nCL为每段簇数。 3.如权利要求2所述的基于返排数据和机器学习的页岩气有效缝网体积预测方法， 其 特征在于， 所述 步骤S1中裂缝 ‑基质流动物质平衡方程包括以下两种情况： (1)当缝网平均压力Pf大于基质平均压力Pmi时， 基质流体不突破进入裂缝中， 则缝网平 均压力Pf通过下式计算 权　利　要　求　书 1/3 页 2 CN 114021466 B 2式中： Pfi为原始缝网平均压力； Vfi为原始有效裂缝体积； Wp和Gp分别为地面条件下压裂 液和页岩气的累积采出量； Bw和Bg分别为目前平均缝网压力下的压裂液和页岩气的体积系 数； Ct_ABT为综合压缩系数， 为拟合 参数； 原始有效裂缝体积通过 下式计算： 有效裂缝网络中平均含水饱和度为 式中： Swi为有效裂缝体积中原 始含水饱和度； (2)当缝网平均压力Pf小于基质平均压力Pmi时， 基质流体突破进入裂缝中， 则缝网平均 压力Pf通过下式计算： 式中： Gmf为基质页岩气窜流 量； 基质气窜流 量通过下式计算： 式中： αmf为基质到裂缝的窜流因子， 为拟合 参数； Pmi为原始基质压力； 其中Vb为页岩气有效缝网体积ESRV， 可以通过 下式计算 Vb＝Nfwfxfhf0‑Vb_overlap                   (10) 上式中， xf表征有效缝网体积的纵向扩展程度， wf表征有效缝网体积的横向扩展程度，   ESRV是目前页岩气缝网压裂矿场上常用于 定量评价效果的重要参数； 其中， 式中： Vb_overlap是ESRV重 叠区体积。 4.如权利要求3所述的基于返排数据和机器学习的页岩气有效缝网体积预测方法， 其 特征在于， 所述步骤S1中， 建立页岩气 压裂液两相返排模 型后， 收集页岩气 压裂现场返排数 据以及设计数个影响页岩气有效缝网体积的特征数据， 利用页岩气压裂液两相返排模型拟 合现场返排数据， 通过公式(10)反演得到页岩气井的有效缝网体积标签数据集。 5.如权利要求1所述的基于返排数据和机器学习的页岩气有效缝网体积预测方法， 其权　利　要　求　书 2/3 页 3 CN 114021466 B 3