一种融合确定性地质模型的页岩气产能多模态预测方法、系统、设备和介质

摘要: 本发明涉及非常规油气地质建模、页岩气产能评价与人工智能机器学习交叉,具体涉及一种融合确定性地质模型的页岩气产能多模态预测方法、系统、设备和介质。背景技术:1、页...
一种融合确定性地质模型的页岩气产能多模态预测方法、系统、设备和介质

本发明涉及非常规油气地质建模、页岩气产能评价与人工智能机器学习交叉,具体涉及一种融合确定性地质模型的页岩气产能多模态预测方法、系统、设备和介质。

背景技术:

1、页岩气属于典型非常规油气资源,储层普遍具有低孔、低渗、强空间非均质特征,储层岩相、物性、裂缝发育程度横向差异显著,单井产能受地质条件、完井工艺、体积压裂改造效果多因素耦合控制。精准预测页岩气水平井早期产能,是新区块甜点优选、水平井轨迹设计、压裂参数优化、项目经济评价的核心技术基础。

2、现有页岩气产能预测技术主要分为数值模拟法与数据驱动机器学习法两类。其中,数值模拟法依赖精细网格建模与渗流方程求解,精度较高,但建模周期长、参数调试复杂、算力成本高,无法满足区块批量快速评价需求。而传统机器学习方法以人工神经网络、支持向量机、树模型为主,仅依托单一结构化地质、工程表格数据建模,完全忽略三维地震、储层属性平面分布等空间图像信息,无法表征储层横向非均质差异。

3、在现场实际开发中,存在大量平均储层物性相近但产能差异巨大的水平井,传统单一模态机器学习模型无法解释该类产能分化现象,模型可解释性差、泛化能力弱、预测误差大,严重制约页岩气精细化开发优化。

技术实现思路

1、针对现有产能预测技术数据模态单一、忽略储层空间非均质性、同物性井产能差异解释能力弱、预测精度低的缺陷,本发明的目的是提供一种融合确定性地质模型的页岩气产能多模态预测方法、系统、设备和介质,实现空间图像特征与结构化参数的深度融合,显著提升页岩气早期产能预测精度与工程适用性。

2、为实现上述目的,本发明采取以下技术方案:

3、第一方面,本发明提供一种融合确定性地质模型的页岩气产能多模态预测方法,包括:

4、采集目标页岩区块的相关数据,并基于预先构建的确定性地质模型获取储层空间属性图像数据与结构化地质工程参数;

5、对储层空间属性图像进行预处理,同时对结构化地质工程参数进行异常值剔除与标准化处理,形成图像数据集与结构化数据集;

6、利用图像数据集与结构化数据集对预先搭建的基于cnn特征提取与ann特征解析的双分支多模态预测模型进行训练,得到性能最优的多模态预测模型;

7、将待预测水平井的多模态数据输入多模态预测模型,输出页岩气产能预测结果,用于指导水平井井位优化与压裂方案设计。

8、进一步,所述采集目标页岩区块的相关数据,并基于预先构建的确定性地质模型获取储层空间属性图像数据与结构化地质工程参数,包括:

9、采集目标页岩区块的三维地震数据、测井解释数据、岩心实验测试数据、水平井完井参数、压裂施工参数及生产数据;

10、基于采集数据构建高分辨率确定性地质模型,用于刻画多组储层空间属性图像与结构化地质工程参数。

11、进一步,所述生产数据为水平井投产预设时段的等效产气量数据。

12、进一步,所述确定性地质模型刻画的储层空间属性图像为储层参数的平面分布图,所述储层参数包括页岩厚度、地层孔隙度、基质渗透率、含气饱和度、地层埋深、地层压力;

13、所述结构化地质工程参数包括水平段长度、压裂段数、压裂液注入量、支撑剂用量。

14、进一步,所述对储层空间属性图像进行预处理时,包括区域裁剪、尺寸统一、像素归一化;所述对结构化地质工程参数进行异常值剔除和标准化处理时,分别采用极值剔除方法和min-max标准化方法。

15、进一步,所述利用图像数据集与结构化数据集对预先搭建的基于cnn特征提取与ann特征解析的双分支多模态预测模型进行训练,得到性能最优的多模态预测模型,包括:

16、构建多模态预测模型;所述多模态预测模型包括cnn特征提取分支、ann特征解析分支以及特征融合模块;所述cnn特征提取分支的输入为储层空间属性图像,输出为储层空间非均质特征;所述ann特征解析分支的输入为结构化地质物性参数、压裂完井工程参数,输出为结构化地质物性参数与产能的关联特征;所述特征融合模块用于对cnn特征提取分支和ann调整解析分支的输出特征进行拼接融合,输出页岩气产能预测结果;

17、以页岩气单井早期产能为监督标签,划分训练集与验证集对构建的多模态预测模型进行迭代训练和验证,得到性能最优的多模态预测模型。

18、进一步,对所述多模态预测模型进行验证时,采用决定系数r²、平均绝对误差作为模型评价指标,筛选性能最优的多模态预测模型。

19、第二方面,本发明提供一种融合确定性地质模型的页岩气产能多模态预测系统,包括:

20、地质建模模块,用于采集目标页岩区块的相关数据,并基于预先构建的确定性地质模型获取储层空间属性图像数据与结构化地质工程参数;

21、多模态数据预处理模块,用于对储层空间属性图像进行预处理,同时对结构化地质工程参数进行异常值剔除与标准化处理,形成图像数据集与结构化数据集;

22、模型构建与训练模块,用于利用图像数据集与结构化数据集对预先搭建的基于cnn特征提取与ann特征解析的双分支多模态预测模型进行训练,得到性能最优的多模态预测模型;

23、工程预测应用模块,用于将待预测水平井的多模态数据输入多模态预测模型,输出页岩气产能预测结果,指导水平井井位优化与压裂方案设计。

24、第三方面,本发明提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行任一方法。

25、第四方面,本发明提供一种计算设备,包括:一个或多个处理器及存储器,所述存储器中存储有一个或多个程序,并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行任一方法的指令。

26、本发明由于采取以上技术方案,其具有以下优点:

27、1、本发明首创融合确定性地质模型的多模态机器学习架构,同时整合储层空间图像信息与工程结构化数据,突破传统单模态模型信息利用不足的瓶颈,建模维度更全面。

28、2、通过cnn提取储层横向非均质特征,可精准刻画局部物性、岩相、裂缝差异,有效解释平均物性相近水平井的产能分化问题,模型地质可解释性大幅提升。

29、3、预测精度显著优于传统模型,12个月产能预测r²可达0.849,单井预测吻合度最高可达92.6%,适配页岩气早期产能快速评价场景。

30、4、模型训练完成后可实现区块批量快速预测,无需复杂地质建模调试,算力需求低、落地性强,可直接支撑水平井井位优选、轨迹优化与压裂参数设计。

31、本发明可以广泛应用于非常规油气地质建模、页岩气产能评价与人工智能机器学习交叉技术领域。

1.一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,包括:

2.如权利要求1所述的一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,所述采集目标页岩区块的相关数据,并基于预先构建的确定性地质模型获取储层空间属性图像数据与结构化地质工程参数,包括:

3.如权利要求2所述的一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,所述生产数据为水平井投产预设时段的等效产气量数据。

4.如权利要求2所述的一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,所述确定性地质模型刻画的储层空间属性图像为储层参数的平面分布图,所述储层参数包括页岩厚度、地层孔隙度、基质渗透率、含气饱和度、地层埋深、地层压力;

5.如权利要求1所述的一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,所述对储层空间属性图像进行预处理时,包括区域裁剪、尺寸统一、像素归一化;所述对结构化地质工程参数进行异常值剔除和标准化处理时,分别采用极值剔除方法和min-max标准化方法。

6.如权利要求1所述的一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,所述利用图像数据集与结构化数据集对预先搭建的基于cnn特征提取与ann特征解析的双分支多模态预测模型进行训练,得到性能最优的多模态预测模型,包括:

7.如权利要求6所述的一种融合确定性地质模型的页岩气产能多模态预测方法,其特征在于,对所述多模态预测模型进行验证时,采用决定系数r²、平均绝对误差作为模型评价指标,筛选性能最优的多模态预测模型。

8.一种融合确定性地质模型的页岩气产能多模态预测系统,其特征在于,包括:

9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至7所述方法中的任一方法。

10.一种计算设备,其特征在于,包括:一个或多个处理器及存储器,所述存储器中存储有一个或多个程序,并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。