一种水平井重复压裂压前补能主控因素识别方法

本发明涉及油气田开发工程，特别是一种水平井重复压裂压前补能主控因素识别方法。

背景技术：

1、水平井重复压裂压前补能通过向储层补充能量改善压力水平及后续裂缝改造条件，其效果同时受储层品质、岩石力学性质、地应力条件和施工强度控制，非常规储层低渗、非均质及裂缝干扰等特征使各因素之间呈现明显的非线性和交互作用，单一经验公式难以稳定识别关键控制因素。

2、现有方法主要包括数值模拟、统计回归和专家评价。数值模拟依赖模型精度且计算量较大；统计回归易受样本规模、共线性和异常值影响；专家评价能够融入工程经验，但主观性较强，单独采用其中任一方法时，主控因素排序的稳定性、解释性和工程迁移能力均存在局限。此外，现有研究常将数据采集、指标筛选、权重计算和对象优选分开处理，客观模型可靠度与专家判断可靠度缺少统一的量化融合机制，导致输入数据、主控因素识别结果和现场决策之间难以形成可复核的技术链条。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供一种水平井重复压裂压前补能主控因素识别方法。

2、本发明的目的通过以下技术方案来实现：一种水平井重复压裂压前补能主控因素识别方法，包括以下步骤：

3、s1：获取目标工区历史样本井数据和待评价井数据；

4、s2：计算压前补能效果评分，

5、

6、；

7、其中，为第个样本的压前补能效果评分，为增产幅度归一化值，为稳产时间归一化值，为能量保持率或压力恢复程度归一化值，为单位投入产出效率归一化值，、、和为目标侧权重；

8、建立多层次指标体系；

9、s3：构建xgboost梯度提升决策树模型，并基于节点分裂增益累计值计算各因素的客观重要性权重，通过k折交叉验证计算xgboost模型可靠度；

10、s4：基于多层次指标体系构建准则层和指标层判断矩阵，计算各因素的主观权重，并根据判断矩阵一致性比率计算ahp判断可靠度；

11、s5：根据xgboost模型可靠度和ahp判断可靠度计算融合系数，将客观重要性权重和主观权重融合为综合权重，依据综合权重识别主控因素。

12、优选的，步骤s1中，历史样本井数据包括储层品质参数、岩石力学参数、地应力参数、压裂施工参数和与各历史样本井对应的压前补能效果评价数据，压前补能效果评价数据包括增产幅度、稳产时间、能量保持率、压力恢复程度和单位投入产出效率；

13、待评价井数据包括前述各类参数中用于评价的候选因素，候选因素包括渗透率、孔隙度、有效厚度、脆性指数、杨氏模量、水平地应力差、加砂强度、段簇设计和注液速度；段簇设计具体为根据每段簇数、簇间距和射孔密度量化形成的段簇设计指标，注液速度具体为压前补能或压裂施工排量。

14、优选的，步骤s2中，对历史样本井数据和待评价井数据中的候选因素进行指标编码、方向统一和无量纲化处理，对历史样本井的压前补能效果评价数据进行归一化并计算压前补能效果评分；

15、建立以压前补能效果为目标层，以储层品质、可压性、应力条件和施工强度为准则层，以渗透率、孔隙度、有效厚度、脆性指数、杨氏模量、水平地应力差、加砂强度、段簇设计和注液速度为指标层的多层次指标体系。

16、优选的，步骤s2中，无量纲化处理包括正向指标标准化和负向指标标准化，其中，对正向指标采用：

17、；

18、正向指标包括渗透率、孔隙度、有效厚度、脆性指数、加砂强度、段簇设计和注液速度；

19、对负向指标采用：

20、；

21、其中，为第个样本的第个因素原始值，为对应的标准化无量纲值；负向指标包括杨氏模量和水平地应力差。

22、优选的，步骤s3中，以历史样本井的标准化候选因素为输入变量，以压前补能效果评分为目标变量，构建xgboost梯度提升决策树模型，

23、；

24、其中，为第个样本预测的补能效果评分，为第个样本的标准化因素向量，为树的数量，为第棵回归树，为回归树函数空间；

25、训练目标函数为：

26、；

27、；

28、其中，为损失函数，为正则化项，为叶子节点数量，为叶子节点权重，和为正则化参数。

29、优选的，步骤s3中，节点分裂增益为：

30、；

31、其中，为左子节点一阶梯度之和，为右子节点一阶梯度之和，为左子节点二阶梯度之和，为右子节点二阶梯度之和；

32、将第个因素在全部回归树中贡献的节点分裂增益累计为，并归一化得到客观重要性权重，

33、。

34、优选的，步骤s3中，将历史样本数据划分为k折，每次选取一折作为验证集、其余k-1折作为训练集，重复训练和验证k次，根据各折预测结果计算决定系数和归一化均方根误差，其中，第k折验证集的决定系数为：

35、；

36、其中，为第k折验证集的决定系数，为第k折验证集样本数量，为该验证集中实际补能效果评分的平均值；

37、第k折验证集的均方根误差为：

38、；

39、其中，为第k折验证集的均方根误差；

40、对均方根误差进行归一化处理，

41、；

42、其中，为归一化均方根误差，为全部样本中补能效果评分的最大值，为全部样本中补能效果评分的最小值；

43、对k折交叉验证结果取平均，得到平均决定系数和平均归一化均方根误差，

44、；

45、；

46、计算xgboost模型可靠度，

47、。

48、优选的，步骤s4中，采用层次分析法计算各因素的主观权重，层次分析法的判断矩阵表示为，并采用几何平均法计算ahp主观权重，

49、；

50、；

51、采用下列公式进行一致性检验，

52、；

53、；

54、；

55、当时，判断矩阵通过一致性检验，当时，调整判断矩阵并重新计算。

56、优选的，步骤s5中，根据xgboost模型可靠度和ahp判断可靠度计算融合系数，

57、；

58、；

59、；

60、；

61、其中，为xgboost模型可靠度，为k折交叉验证平均决定系数，为平均归一化均方根误差，为ahp判断可靠度，为全部判断矩阵一致性比率的平均值，为数据驱动权重占比，为第个因素的综合权重。

62、优选的，步骤s5中，将综合权重作用于待评价井的标准化候选因素，计算单井补能潜力指数并输出补能对象优先顺序，

63、；

64、其中，为第口水平井或第个压裂段的补能潜力指数。

65、本发明具有以下优点：本发明将历史样本井和待评价井置于同一指标口径下，以xgboost识别非线性数据规律，以层次分析法量化工程知识，并依据两类结果各自的可靠度进行自适应融合；综合权重既用于主控因素排序，又直接用于单井补能潜力指数计算，使数据输入、因素识别、可靠度校正和补能对象优选相互衔接，提高了评价结果的稳定性、可解释性和工程适用性。