一种煤层气井产量动态预测方法及相关装置
本申请涉及煤层气开发,特别是涉及一种煤层气井产量动态预测方法及相关装置。
背景技术:
1、目前针对煤层气多段压裂水平井产量预测的主流方法主要包括递减曲线分析方法、物质平衡方法、数值模拟方法以及机器学习与深度学习方法。
2、然而,递减曲线分析方法依赖历史生产数据进行拟合与外推,难以适用于未投产或生产初期井,且模型选择对预测结果影响较大;物质平衡方法虽具有一定物理意义,但通常适用于结构简单储层,难以刻画多段裂缝条件下的复杂耦合过程;数值模拟方法能够较为全面反映储层流动机理,但建模复杂、参数需求量大、计算成本高,难以满足快速预测和多方案分析需求;机器学习方法虽具备较强的非线性拟合能力,但普遍依赖历史生产数据,泛化能力有限;深度学习方法在时序建模方面具有优势,但多数模型对裂缝空间几何结构表达不足,难以充分表征多段裂缝分布及其连通性对产量的影响,同时在多源信息融合与长期时序依赖建模方面仍存在不足。
技术实现思路
1、本申请的目的是提供一种煤层气井产量动态预测方法及相关装置,可以有效整合储层静态地质信息、压裂裂缝空间分布信息与生产动态信息,实现对未投产煤层气井完整生命周期的产量动态快速预测,解决现有方法对裂缝结构刻画不足、多源信息融合不充分以及依赖历史生产数据的问题。
2、为实现上述目的,本申请提供了如下方案:
3、第一方面,本申请提供了一种煤层气井产量动态预测方法,包括:
4、获取目标煤层气井的储层静态地质参数、多段压裂裂缝空间分布信息和动态井底流压序列;
5、将所述多段压裂裂缝空间分布信息编码为二维网格特征矩阵,将所述储层静态地质参数编码为一维静态特征向量,并对所述动态井底流压序列进行归一化处理;
6、将所述二维网格特征矩阵输入至卷积神经网络(cnn)-卷积注意力机制(cbam)特征提取与融合模块中,提取空间结构特征向量;
7、将归一化后的动态井底流压序列输入至双向长短期记忆网络中,提取动态时序特征向量;
8、将所述一维静态特征向量、所述空间结构特征向量与所述动态时序特征向量进行拼接融合,得到多源融合特征;
9、将所述多源融合特征输入至全连接输出层,输出目标煤层气井在完整生命周期内的产量动态预测序列。
10、第二方面,本申请提供了一种计算机设备,包括:存储器、处理器,以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述中任一项所述的一种煤层气井产量动态预测方法的步骤。
11、第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述中任一项所述的一种煤层气井产量动态预测方法的步骤。
12、第四方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述中任一项所述的一种煤层气井产量动态预测方法的步骤。
13、根据本申请提供的具体实施例,本申请具有以下技术效果:
14、本申请提供了一种煤层气井产量动态预测方法及相关装置,通过对多源信息的差异化编码与特征提取,能够充分整合储层静态地质信息、压裂裂缝空间分布与动态流压信息,无需依赖已有的历史产量生产数据,即可实现未投产井或投产初期井完整生命周期的产量动态预测;通过引入cnn-cbam模块提取裂缝空间特征,能够有效刻画多段压裂裂缝的空间几何分布与结构特征,解决了传统方法对裂缝结构信息表征不足的问题;同时结合双向长短期记忆网络提取流压时序特征,能够更好地捕捉动态流压的长期时序依赖关系,最终通过多源特征融合实现产量的精准快速预测,计算效率远高于传统数值模拟方法,能够满足现场多方案快速评价的需求。
1.一种煤层气井产量动态预测方法,其特征在于,包括:
2.根据权利要求1所述的一种煤层气井产量动态预测方法,其特征在于,所述二维网格特征矩阵的编码规则为:单井控制范围内的网格属性值定义为1,单井控制范围外的边界网格属性值定义为-1,多段压裂缝所在位置的网格属性值定义为0。
3.根据权利要求1所述的一种煤层气井产量动态预测方法,其特征在于,所述储层静态地质参数包括孔隙度、渗透率、煤层厚度、气相相渗最大值、水相相渗最大值、束缚水饱和度、相渗曲线指数、储层压力、解吸压力与储层压力之比、兰氏体积、兰氏压力、井筒水平段长度和压裂缝渗透率。
4.根据权利要求1所述的一种煤层气井产量动态预测方法,其特征在于,所述动态井底流压序列的生成方式为:将序列初始值设为储层原始压力,流压下限约束为预设最小值,时间步长固定,序列生成过程中引入衰减系数表征流压随时间的整体指数衰减趋势,同时引入扰动因子叠加局部非稳态波动。
5.根据权利要求1所述的一种煤层气井产量动态预测方法,其特征在于,所述模拟真实工况下的流压波动特征的公式表达式为:
6.根据权利要求1所述的一种煤层气井产量动态预测方法,其特征在于,所述cnn-cbam特征提取与融合模块包括多层卷积层和池化层,并在池化操作后接入卷积注意力机制;所述卷积注意力机制包括通道注意力模块和空间注意力模块,所述通道注意力模块通过自适应平均池化和最大池化获取全局通道统计信息并经卷积实现通道权重自学习,所述空间注意力模块通过通道维度的平均与最大操作生成二维特征图并经卷积聚合空间信息。
7.根据权利要求1所述的一种煤层气井产量动态预测方法,其特征在于,所述产量动态预测序列包括日产气量序列和日产水量序列;在模型训练阶段,对每口井的产量序列执行单独归一化处理,以消除不同产能级别样本之间的数值量级干扰。
8.一种计算机设备,包括:存储器、处理器以及存储在存储器上并能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的一种煤层气井产量动态预测方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的一种煤层气井产量动态预测方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的一种煤层气井产量动态预测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com