油气产量的预测方法和装置与流程

1.本发明涉及油气开采技术领域，具体而言，涉及一种油气产量的预测方法和装置。


背景技术：

2.在油气开采领域中，在针对多个储层进行开发决策时，需要结合储层的基本信息来决定如何进行油气开采以及确定优先开发区域。而油气产量直接体现储层中的储油情况，因此，油气产量对于进行油气开采决策具有重要作用。
3.但是，在未进行油气开发之前，储层中所存储油气量，特别是油气产能一般是未知的，完整的岩心检测项目又耗时较长，不利于油气开发人员快速评估；试井，即通过对油气井生产动态的测试来研究油、气、水层和测试井的各种物性参数、生产能力以及油气水层之间的连通关系是评估产能的传统方法，但成本较高，且必须和岩心分析等其他方法联合应用才能比较全面地评估当前储层。
4.针对上述相关技术中对于油气产量的预测比较耗时且成本较高的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种油气产量的预测方法和装置，以至少解决相关技术中对于油气产量的预测比较耗时且成本较高的技术问题。
6.根据本发明实施例的一个方面，提供了一种油气产量的预测方法，包括：获取从目标储层中所采集岩心的特征数据、根据所述岩心所测量得到所述目标储层中的渗流数据、根据所述岩心所测量得到所述目标储层中的含油数据、对所述目标储层进行油气开采拟用的工程数据；通过谱聚类模型根据所述特征数据、所述渗流数据、所述含油数据和所述工程数据预测得到所述目标储层中的油气产量，其中，所述谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，所述样本数据至少包括：所述样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
7.可选地，在获取从目标储层中所采集岩心的特征数据、根据所述岩心所测量得到所述目标储层中的渗流数据、根据所述岩心所测量得到所述目标储层中的含油数据、对所述目标储层进行油气开采拟用的工程数据之前，所述方法还包括：获取样本岩心所对应的训练数据；通过预构建谱聚类模型根据所述训练数据中的样本渗流数据、样本含油数据、样本工程数据预测所述样本岩心所来源储层的预测油气产量；根据所述预测油气产量和根据所述训练数据中的样本油气产量数据所计算得到的实际油气产量调整所述预构建谱聚类模型的参数，以使所述预测油气产量与所述实际油气产量之间的距离满足预设条件；在达到训练结束条件时，将调整参数后的所述预构建谱聚类模型作为所述谱聚类模型。
8.可选地，在获取样本岩心所对应的训练数据之前，所述方法还包括：获取所采集得到各样本岩心对应的初始训练数据；对所述各样本岩心所对应的初始训练数据进行预处理，得到所述各样本岩心对应的训练数据。
9.可选地，对所述各样本岩心所对应的初始训练数据进行预处理，得到所述各样本岩心对应的训练数据包括：对所述各样本岩心对应的初始训练数据进行降噪处理；将降噪处理后的初始训练数据中的各参数进行归一化，得到归一化数据；计算每一样本岩心所对应所述归一化数据中两两参数的相关系数；根据所述相关系数对所述归一化数据进行过滤处理，得到所述样本岩心对应的训练数据。
10.可选地，根据所述相关系数对所述归一化数据进行过滤处理，得到所述样本岩心对应的训练数据包括：根据所相关系数，确定参考作业数据中与所述目标数据中参数的相关系数低于第一设定阈值的参数，以及确定所述参考作业数据中两参数之间的相关系数高于第二设定阈值的参数；过滤所确定所述参考数据中与所述目标数据中参数的相关系数低于第一设定阈值的参数，以及过滤所述参考作业数据中两参数之间的相关系数高于第二设定阈值的参数中的其一参数，将过滤后所得到的数据作为所述样本岩心对应的训练数据。
11.可选地，所述特征数据至少包括描述所述岩心所对应岩心特征的特征参数，所述渗流数据至少包括描述所述目标储层的孔隙渗流性能的渗流参数，所述含油数据至少包括描述所述目标储层中油气情况的含油参数。
12.可选地，在通过谱聚类模型根据所述特征数据、所述渗流数据、所述含油数据和所述工程数据预测得到所述目标储层中的油气产量之后，所述方法还包括：根据所预测得到的油气产量确定目标储层对应的储层分类。
13.根据本发明实施例的另一方面，还提供了一种油气产量的预测装置，包括：第一获取模块，用于获取从目标储层中所采集岩心的特征数据、根据所述岩心所测量得到所述目标储层中的渗流数据、根据所述岩心所测量得到所述目标储层中的含油数据、对所述目标储层进行油气开采拟用的工程数据；第一预测模块，用于通过谱聚类模型根据所述特征数据、所述渗流数据、所述含油数据和所述工程数据预测得到所述目标储层中的油气产量，其中，所述谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，所述样本数据至少包括：所述样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
14.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的油气产量的预测方法。
15.根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的油气产量的预测方法。
16.在本发明实施例中，采用获取从目标储层中所采集岩心的特征数据、根据所述岩心所测量得到所述目标储层中的渗流数据、根据所述岩心所测量得到所述目标储层中的含油数据、对所述目标储层进行油气开采拟用的工程数据；通过谱聚类模型根据所述特征数据、所述渗流数据、所述含油数据和所述工程数据预测得到所述目标储层中的油气产量，其中，所述谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，所述样本数据至少包括：所述样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据的方式，通过谱聚类模型根据目标储层中岩心的特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，达到了快速、准确地预测油气产量的目的，从而实现了提高预测油气产量的速度、降低预测油气产量的作业成本的技术效
果，进而解决了相关技术中对于油气产量的预测比较耗时且成本较高的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1是根据本发明实施例的油气产量的预测方法的流程图；
19.图2是根据本发明实施例的油气产量的预测装置的示意图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.实施例1
23.根据本发明实施例，提供了一种油气产量的预测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
24.图1是根据本发明实施例的油气产量的预测方法的流程图，如图1所示，该油气产量的预测方法包括如下步骤：
25.步骤s102，获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据；
26.为了了解储层中的地质情况或者矿产情况，需要先从储层中采集岩心来进行分析，以岩心的分析资料作为分析储层情况的实地地址资料。换言之，岩心是从目标储层中所采集的样本岩石。
27.作为一种可选的实施例，为了进行目标储层中油气产量的估计，先从该目标储层中采集岩心，借助于对岩心的分析数据来进行目标储层中油气产量的预估。其中，目标储层并不特指某一储层，而是泛指待进行油气产量预估的储层。
28.上述岩心的特征数据可以是岩心的基本信息，例如，岩心所来源目标储层的深度、目标储层处的压力梯度，还可以是描述岩心中孔隙结构的信息。
29.需要说明的是，上述岩心包括孔隙和骨架，若岩心所来源的目标储层存在油气资源，该油气资源实际上是存在于目标储层中的孔隙中的，因此，可以借助于对岩心的分析来了解目标存储中的孔隙情况。
30.在具体实施例中，上述特征参数包括但不限于深度、压力梯度、岩心类型、岩心密度、胶结类型、黏土含量、主粒径、分选系数、峰度、偏度、中值孔喉半径、最大孔喉半径、平均毛管半径、孔喉体积比、毛管压力中值、排驱压力、退汞效率。
31.其中，深度是指岩心所来源目标储层在地质中的深度。此处岩心所对应的压力梯度是指岩心所来源目标储层所在深度对应的压力梯度。压力梯度通过沿流体流动方向，单位路程长度上的压力变化来表征。
32.岩心类型是指该按照设定的类型分类岩心所属的分类，岩心类型包括胶结碎屑岩、碳酸盐、疏松砂岩、溶洞性碳酸盐岩、含粘土岩石、低渗透岩石、页岩、油页岩等。当然以上所列举岩心类型仅仅是示例性举例，不能认为是对本公开使用范围的限制。
33.可选地，岩心类型所对应的分类标准可以是根据岩心的组成成分来设定的分类标准。或者，岩心类型所对应的分类标准还可以是粒度大小。
34.岩心类型可以通过对所采集的岩心进行成分分析或者进一步进行微观结构观测，进而确定岩心所属的岩心类型。
35.胶结类型是指在岩心中胶结物或填隙物与碎屑颗粒之间的接触关系。具体来说，胶结类型包括基底式胶结、孔隙式胶结、接触式胶结和镶嵌式胶结。对于基底式胶结，其表现为碎岩颗粒不接触；对于孔隙式胶结，其表现为颗粒之间为点接触，胶结物分布于孔隙中；接触式胶结表现为颗粒之间为点-线接触，胶结物分布于接触处；镶嵌式胶结表现为：颗粒之间为线接触或者凹接触。
36.胶结物是指岩心中以化学沉淀方式形成于粒间空隙的自身矿物，胶结物包括硅质、碳酸盐和部分铁质。因此，按照胶结物的类型进行分类，胶结类型还可以包括泥质胶结、钙质胶结、硅质胶结、铁锰质胶结。
37.对于岩心来说，胶结类型不同，岩心的力学性能对应存在差异，从而胶结类型不同的岩心所来源目标储层中的油气存储情况也可能存在差异。
38.在具体实施例中，岩心所对应的胶结类型可以通过对岩心进行微观观测或者成分检测来确定。
39.对于来源于目标储层的岩心而言，该岩心是岩石机械风化后形成的岩石碎屑和矿物碎屑，经搬运、沉积、压实、胶结而成的岩石，因此，该岩石实际上是碎屑岩。因此，该岩心内部的骨架是由若干碎屑颗粒组合而成的。
40.为了确定岩心所对应的主粒径、峰度、偏度以及分选系数等参数，对该岩心中的碎屑颗粒进行粒径统计。其中，粒径是指颗粒的大小，一般以直径来表示颗粒的大小。
41.在具体实施例中，由于实际颗粒的形状多样，例如存在非球形的碎屑颗粒，因此，可以以等效粒径来表征碎屑颗粒的粒径。其中，等效粒径是指当一颗粒的某一物理特性与同质球形颗粒相同或相近时，就用该球形颗粒的直径代表这个实际颗粒的直径。
42.在测量得到岩心中各碎屑颗粒的粒径之后，进一步根据各碎屑颗粒的粒径构建该岩心的粒度累计曲线。基于该粒度累计曲线来进行主粒径、峰度、偏度以及分选系数的确定。
43.其中，主粒径是指岩心所对应的粒度累计曲线上，累计粒度分布数达到设定比例时所对应的粒径。该设定比例可以根据实际需要进行选定，例如，选定该设定比例为50％、60％、75％等，在此不进行具体限定。
44.分选系数是指粒度累计曲线上，75％和25％处所对应的碎屑颗粒直径的比值，该分选系数作为岩心分选性的一种参考，当岩心的分选性很好时，p25(即累计粒度分布数达到25％时所对应的粒径)和p75(即累计粒度分布数达到75％时所对应的粒径)两值很靠近，越接近1，反之，则远大于1。
45.峰度，又称分度系数。岩心所对应的峰度是指粒度累计曲线上在平均粒径出峰值高低的特征数，峰度反映了峰部的尖度。岩心所对应的峰度可以按照如下的公式计算得到：其中，x表示岩心中碎屑颗粒的粒径，μ为平均粒径，σ为标准差。
46.岩心所对应的偏度是用于表征粒度累计曲线相对于平均粒径不对称程度的特征数。岩心所对应的偏度可以通过如下的公式计算得到：
47.在岩心中，除了包括碎屑颗粒和胶结物等固相外，还包括若干孔隙，岩心所在的目标储层中的油气实际上是存在于孔隙中。岩心中孔隙的分布情况可以近似反映目标储层中的孔隙分布，进而近似反映目标储层中的油气分布情况。中值孔喉半径、最大孔喉八景、孔喉体积比、平均毛管半径等均可以作为反映岩心中的孔隙分布的特征参数。
48.孔喉半径，又称孔隙喉道半径，是以能通过孔隙喉道的最大球体半径来衡量的。可以理解的是，岩心中包括若干孔隙喉道。为了了解岩心中孔隙的整体分布情况，一般通过中值孔喉半径和最大孔喉半径来反映岩心中的孔隙分布。
49.孔喉体积比是指岩心中孔隙体积与喉道体积的比值。
50.毛管压力中值是指含汞饱和度为50％时所对应的毛管压力值。该毛管压力中值是通过测量岩心的毛管压力曲线来得到的，对于岩心而言，毛管压力是由非润湿相表面的曲率决定的，而曲率又与孔隙喉道的大小有关，且毛管压力随湿相饱和度的减小而增大。岩心所对应的毛管压力中值可以通过压汞法、离心机法等来测得。
51.排驱压力是指非润湿相(汞)开始进入岩心所需要的最低压力，它是汞开始进入岩心最大连通孔喉而形成连续流所需的启动压力。在排驱压力下汞能进入的孔隙喉道半径为岩心中最大孔喉半径。
52.若选用压汞法测量毛管压力中值以及排驱压力测量，其中涉及到向岩心的孔隙喉道中压汞和退汞的过程，退汞过程的一个重要特征参数是退汞效率。退汞效率是指在压入过程结束后，从最大注入压力降低到最低压力时，岩心内退出的汞的体积与压入过程中注入汞的体积之比。
53.以上仅仅列举通过中值孔喉半径、最大孔喉半径、毛管压力中值、孔喉体积比、排驱压力、退汞效率这些特征参数来反映岩心中的孔隙。在其他实施例中，还可以进一步选择表征孔喉分选特征的参数(例如孔隙喉道分选系数、孔隙喉道峰态、均值系数)、表征孔喉连通性和控制流体流动特征的参数(例如孔喉配位数、孔隙曲折度等)作为特征参数。
54.其中，以上所列举表征岩心中孔隙情况的特征参数可以通过压汞法、动力驱替法、
离心机法等测得，也可以通过构建作为岩心中孔隙结构模型的数字岩心，对数字岩心进行分析以及模拟实验来测得上述的特征参数，在此不进行具体限定。
55.对于目标储层中所存储的油漆而言，其在孔隙中是不断流动的。而渗流参数可以反映目标储层中孔隙的渗流性能。在具体实施例中，渗流参数可以是孔隙度、渗透率中的至少一种。
56.孔隙度是指岩心中孔隙体积与固相体积的比值，孔隙度是度量岩心储存能力的参数。
57.渗透率是岩心允许流体通过的能力。渗透率表征了岩心传导液体的能力。实际中，该渗透率可以是绝对渗透率、有效渗透率或者相对渗透率中的至少一种，在此不进行具体限定。
58.含油参数用于描述目标储层中的含油情况。在具体实施过程中，含油参数包括但不限于含油饱和度、自由流体饱和度、束缚水饱和度、原油粘度、指示是否含蜡的参数。
59.其中，含油饱和度是指在油层中原油所占孔隙的体积与总孔隙体积之比。自由流体饱和度是指油层中自由流体所在孔隙的体积与总孔隙体积之比，其中，自由流体可以是水、油、气。若一储层中同时存在水、油和气，则该储层中水、油和气所占孔隙的体积与总孔隙体积之比即为该储层中的自由流体饱和度。
60.通过大量现场取岩心分析表明，即使是纯油气藏，其储层内部都会含油一定数量的不流动水，将储层中的不流动水称之为束缚水。束缚水的存在与油藏的形成过程有关，不同油藏由于其岩石和流体性质不同，油气运移条件有差异，束缚水饱和度的大小差异很大。束缚水饱和度是指目标储层中束缚水所占孔隙的体积与总孔隙体积之比。
61.其中，上述的含油饱和度、自由流体饱和度、束缚水饱和度等含油参数可以通过常压干馏法、蒸馏抽屉法、色谱法、测井法来测量，还可以通过相对渗透率曲线或毛管压力曲线来确定岩心中的含油饱和度、含水饱和度，将岩心中的含油和含水饱和度作为岩心所来源目标储层中的含油饱和度和含水饱和度。
62.原油粘度是原油内部某一部分相对于另一部分流动时摩擦阻力的度量。原油粘度可以通过采集目标储层中的原油样品(例如岩心中的原油)，对该原油样品进行物理实验来测量。
63.工程数据可以包括一个或者多个工程参数，工程参数例如压裂液总量、支撑剂类型、支撑剂用量等，在此不进行具体限定。
64.压裂液是指由多种添加剂按一定配比形成的非均质不稳定的化学体系，是对油气层进行压裂改造时使用的工作液。其主要作用是将地面设备形成的高压传递到地层中，使地层破裂形成裂缝并沿裂缝输送支撑剂。
65.压裂液总量是指对目标储层进行油气开采所拟用的压裂液总量。
66.支撑剂又称压裂支撑剂，在油气深井开采时，高闭合压力低渗透性矿床经压裂处理后，是含油气岩层裂开，油气从裂缝形成的通道中汇集而出，此时需要流体注入岩石基层，以超过地层破裂强度的压力，使井筒周围岩层产生裂缝，形成一个具有高层流能力的通道，为保持压裂后形成的裂缝开启，油气产物能顺畅通过。其中向演示基层所注入的流体即为支撑剂。其中，支撑剂类型包括硬脆性陶瓷支撑剂和韧性支撑剂。支撑剂用量是指对目标存储进行油气开采所拟用支撑剂的量。
67.步骤s104，通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，其中，谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，样本数据至少包括：样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
68.样本特征数据是指样本岩心所对应的特征数据，其包括至少一描述样本岩心所对应岩心特征的特征参数。该特征参数参见上述的列举。
69.样本渗流数据是指根据岩心样本所测得岩心样本所来源储层中的渗流数据，其包括至少一描述样本岩心所来源储层中孔隙渗流性能的渗流参数，该渗流参数详见上述的列举。
70.样本含油数据是指根据样本岩心所测得样本岩心所来源储层的含油数据，其包括至少一描述样本岩心所来源储层中油气情况的含油参数。含油参数详见上述的举例。
71.样本工程数据是指对样本岩心所来源储层实际进行油气开采所采用的工程参数，工程参数详见上述列举。
72.样本油气产量数据是指用于按照上述样本工程数据中的工程参数对样本岩心所来源储层进行油气开采所开采到的油气量的数据。在具体实施例中，样本油气产量数据中可以包括日产油量、油层厚度、工作制度(即每天开采的时间长度)。
73.在训练过程中，将初始模型根据每一样本数据中的样本油气产量数据所指示的油气产量为目标，根据样本数据中的样本特征数据、样本渗流数据、样本含油数据、样本工程数据进行油气产量聚类，得到预测油气产量。并根据该预测油气产量和样本油气产量数据所指示的实际油气产量来调整模型的参数，直至预测油气产量足够靠近实际油气产量，例如预测油气产量与实际油气产量相同。然后，继续用下一样本岩心所对应的样本数据继续进行模型训练，直至达到训练结束条件。
74.在通过如上的训练过程得到谱聚类模型后，该谱聚类模型具备根据特征数据、渗流数据、含油数据和工程数据进行储层中油气产量预估的能力，从而，输出所预估的油气产量。
75.通过如上的过程，通过训练得到的谱聚类模型进行目标储层中油气产量的估计，所估计得到的油气产量作为进行油气开采的决策参照，例如，根据所预测得到的油气产量的多少来确定优先开发区域等。
76.在具体实施过程中，可以以已有的勘探开发井岩心、地层测试数据、油气生产历史数据为基础，利用大数据聚类并建立关联模型，选出最关键的几项决定产能表现的物性参数；在新井钻井结束后，通过岩心试验优先检测这几项关键的物性参数，利用前期建立的关联模型，快速预测油气产量，给该井生产设计人员提供参考，设计合理的配套措施，降低作业成本。
77.需要说明的是，上述基于储层实验参数的大数据油气储量预测方法可以应用砂砾岩地区，将在新井钻井结束后的数个工作日内，利用关键的8-10项岩心测试数据，迅速判断当前井储层类型，并给出预计产能。
78.通过上述步骤，可以实现通过谱聚类模型根据目标储层中岩心的特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，达到了快速、准确地预测油气产量的目的，从而实现了提高预测油气产量的速度、降低预测油气产量的作业成本的技术
效果，进而解决了相关技术中对于油气产量的预测比较耗时且成本较高的技术问题。
79.可选地，在获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据之前，方法还包括：获取样本岩心所对应的训练数据；通过预构建谱聚类模型根据训练数据中的样本渗流数据、样本含油数据、样本工程数据预测样本岩心所来源储层的预测油气产量；根据预测油气产量和根据训练数据中的样本油气产量数据所计算得到的实际油气产量调整预构建谱聚类模型的参数，以使预测油气产量与实际油气产量之间的距离满足预设条件；在达到训练结束条件时，将调整参数后的预构建谱聚类模型作为谱聚类模型。
80.该预设条件可以是预测油气产量与实际油气产量相等，或者预测油气产量与实际油气产量之间的距离满足一数值范围，在此不进行具体限定。总结来说，在训练过程中，按照预测油气产量靠近实际油气产量为目标来进行预构建谱聚模型参数的调整。在每一次调整参数后，通过调整参数后的预构建谱聚模型再次进行油气产量预测，并计算所再次预测得到的预测油气产量与实际油气产量是否满足预设条件，若满足，则用下一样本数据进行训练；若不满足，则重复上述的过程。
81.其中，该预构建谱聚类模型可以是根据若干样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据和样本油气产量数据来构建的。值得一提的是，用于预构建谱聚类模型的样本岩心与进行预构建谱聚类模型训练的样本岩心是不同的。
82.训练结束条件可以是迭代次数，也可以是预测准确度，在此不进行具体限定。具体来说，在训练结束条件是迭代次数时，若训练过程的迭代次数达到设定的迭代次数时，则停止训练，将调整参数后的预构建谱聚类模型作为谱聚类模型。在训练结束条件是预测准测度时，在对预构建谱聚类模型训练一段时间之后，通过测试样本来计算模型的预测准确度，如果预测准确度满足设定的预测准确度要求，则停止训练，如果不满足，则继续进行训练。其中，测试样本中包括若干样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据和样本油气产量数据。
83.由于谱聚类模型是根据实际油气开采中针对样本岩心所得到的样本特征数据、样本渗流数据、样本含油数据、样本工程数据和实际进行油气开采所得到的样本油气产量数据来进行训练得到的，从而可以保证谱聚类模型所预测得到油气产量的准确性。
84.可选地，在获取样本岩心所对应的训练数据之前，方法还包括：获取所采集得到各样本岩心对应的初始训练数据；对各样本岩心所对应的初始训练数据进行预处理，得到各样本岩心对应的训练数据。
85.所进行的预处理可以是降噪、数值映射、归一化、过滤等，在此不进行具体限定。通过进行预处理，使得训练数据中可以直接被预构建谱聚类模型识别，以直接进行训练，而不用进行其他的数据处理。
86.可选地，对各样本岩心所对应的初始训练数据进行预处理，得到各样本岩心对应的训练数据包括：对各样本岩心对应的初始训练数据进行降噪处理；将降噪处理后的初始训练数据中的各参数进行归一化，得到归一化数据；计算每一样本岩心所对应归一化数据中两两参数的相关系数；根据相关系数对归一化数据进行过滤处理，得到样本岩心对应的训练数据。
87.其中，所进行的归一化处理，是指计算降噪处理后的数据中各个参数的平均值和标准差，并根据公式进行各个参数所对应数值的变换，其中，表示参数y的平均值，σ表示参数y的标准差，从而通过上述变换，将参数y变换为y'，实现了参数y的归一化。
88.其中，所进行的相关系数计算，即计算归一化数据中的各特征参数、各含油参数、各渗流参数、各工程参数以及油气产量这参数中，彼此两不同参数之间的相关系数。
89.相关系数的计算公式为：
90.其中，corr(m,n)为参数m和参数n的协方差，σm为参数m的方差，σn为参数n的方差，从而根据上述公式计算得到参数m和参数n的相关系数。所计算得到的相关系数的范围为[0，1]，0表示不相关，1表示完全线性相关。根据所计算得到的相关系数来确定两参数之间的相关性大小。
[0091]
可选地，根据相关系数对归一化数据进行过滤处理，得到样本岩心对应的训练数据包括：根据所相关系数，确定参考作业数据中与目标数据中参数的相关系数低于第一设定阈值的参数，以及确定参考作业数据中两参数之间的相关系数高于第二设定阈值的参数；过滤所确定参考数据中与目标数据中参数的相关系数低于第一设定阈值的参数，以及过滤参考作业数据中两参数之间的相关系数高于第二设定阈值的参数中的其一参数，将过滤后所得到的数据作为样本岩心对应的训练数据。
[0092]
作为一种可选的实施例，归一化数据包括实际油气产量和参考作业数据，参考作业数据是归一化数据中除实际油气产量外的其他数据。
[0093]
其中，第一设定阈值和第二设定阈值是为判断两参数之间相关性高低判断而设定的。具体来说，若两参数的相关系数低于第一设定阈值，则确定该两参数之间的相关性低；若两参数的相关系数高于第二设定阈值，则确定该两参数之间的相关高。
[0094]
参考作业数据中若一参数与实际油气产量之间的相关系数低于第一设定阈值，则确定该参数与实际油气产量的相关性低，也表明该参数对于油气产量预测的贡献不大，因此，将该参数过滤掉。
[0095]
对于参考作业数据中两参数的相关系数高于第二设定阈值，则表明该两参数的相关系数的相关性高，该两参数中的一参数可以用另一参数来表示，因此，可以除去该两参数中的其中一参数。
[0096]
可选地，特征数据至少包括描述岩心所对应岩心特征的特征参数，渗流数据至少包括描述目标储层的孔隙渗流性能的渗流参数，含油数据至少包括描述目标储层中油气情况的含油参数。
[0097]
可选地，在通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量之后，方法还包括：根据所预测得到的油气产量确定目标储层对应的储层分类。
[0098]
其中，储层分类是按照油气产量来进行划分的。
[0099]
作为一种可选的实施例，根据油气产量将储层分为三类，油气产量通过每米日产油气量来表征，储层分类包括i类、ii类和iii类，其中，i类储层对应的每米日油气产量范围为大于等于2.2吨；ii类储层对应的每米日油气产量(单位：吨)范围为[0.6，2.2)；iii类储层对应的每米日油气产量(单位：吨)范围为[0，0.6)。当然，在其他实施例中，还可以根据实
际需要进行储层类型的划分，以上仅仅是示例性举例，不能认为对本公开使用范围的限制。
[0100]
在确定目标储层对应的储层分类后，可以针对性规划储层中的油气开采，例如，对于上述i类储层，其每米日油气产量较高，为经济效益好的区域，可以作为优先开发区域。因此，所确定的储层分类可以作为计划油气开采的参考。
[0101]
实施例2
[0102]
根据本发明实施例的另外一个方面，还提供了一种油气产量的预测装置，图2是根据本发明实施例的油气产量的预测装置的示意图，如图2所示，该油气产量的预测装置包括：第一获取模块22和第一预测模块24。下面对该油气产量的预测装置进行详细说明。
[0103]
第一获取模块22，用于获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据；第一预测模块24，连接至上述第一获取模块22，用于通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，其中，谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，样本数据至少包括：样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
[0104]
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
[0105]
此处需要说明的是，上述第一获取模块22和第一预测模块24对应于实施例1中的步骤s102至s104，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
[0106]
由上可知，在本技术上述实施例中，通过谱聚类模型根据目标储层中岩心的特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，达到了快速、准确地预测油气产量的目的，从而实现了提高预测油气产量的速度、降低预测油气产量的作业成本的技术效果，进而解决了相关技术中对于油气产量的预测比较耗时且成本较高的技术问题。
[0107]
可选地，在获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据之前，上述装置还包括：第二获取模块，用于获取样本岩心所对应的训练数据；第二预测模块，用于通过预构建谱聚类模型根据训练数据中的样本渗流数据、样本含油数据、样本工程数据预测样本岩心所来源储层的预测油气产量；调整模块，用于根据预测油气产量和根据训练数据中的样本油气产量数据所计算得到的实际油气产量调整预构建谱聚类模型的参数，以使预测油气产量与实际油气产量之间的距离满足预设条件；处理模块，用于在达到训练结束条件时，将调整参数后的预构建谱聚类模型作为谱聚类模型。
[0108]
可选地，在获取样本岩心所对应的训练数据之前，上述装置还包括：第三获取模块，用于获取所采集得到各样本岩心对应的初始训练数据；预处理模块，用于对各样本岩心所对应的初始训练数据进行预处理，得到各样本岩心对应的训练数据。
[0109]
可选地，上述预处理模块包括：降噪单元，用于对各样本岩心对应的初始训练数据
进行降噪处理；归一化单元，用于将降噪处理后的初始训练数据中的各参数进行归一化，得到归一化数据；计算单元，用于计算每一样本岩心所对应归一化数据中两两参数的相关系数；过滤单元，用于根据相关系数对归一化数据进行过滤处理，得到样本岩心对应的训练数据。
[0110]
可选地，上述过滤单元包括：确定子单元，用于根据所相关系数，确定参考作业数据中与目标数据中参数的相关系数低于第一设定阈值的参数，以及确定参考作业数据中两参数之间的相关系数高于第二设定阈值的参数；过滤子单元，用于过滤所确定参考数据中与目标数据中参数的相关系数低于第一设定阈值的参数，以及过滤参考作业数据中两参数之间的相关系数高于第二设定阈值的参数中的其一参数，将过滤后所得到的数据作为样本岩心对应的训练数据。
[0111]
可选地，特征数据至少包括描述岩心所对应岩心特征的特征参数，渗流数据至少包括描述目标储层的孔隙渗流性能的渗流参数，含油数据至少包括描述目标储层中油气情况的含油参数。
[0112]
可选地，在通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量之后，上述装置还包括：确定模块，用于根据所预测得到的油气产量确定目标储层对应的储层分类。
[0113]
实施例3
[0114]
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述中任意一项的油气产量的预测方法。
[0115]
可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中，上述计算机可读存储介质包括存储的程序。
[0116]
可选地，在程序运行时控制计算机可读存储介质所在设备执行以下功能：获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据；通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，其中，谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，样本数据至少包括：样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
[0117]
实施例4
[0118]
根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行上述中任意一项的油气产量的预测方法。
[0119]
本技术实施例提供了一种设备，该设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据；通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，其中，谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，样本数据至少包括：样本岩心所对应
的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
[0120]
本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取从目标储层中所采集岩心的特征数据、根据岩心所测量得到目标储层中的渗流数据、根据岩心所测量得到目标储层中的含油数据、对目标储层进行油气开采拟用的工程数据；通过谱聚类模型根据特征数据、渗流数据、含油数据和工程数据预测得到目标储层中的油气产量，其中，谱聚类模型是根据样本岩心所对应样本数据进行模型训练得到的，样本数据至少包括：样本岩心所对应的样本特征数据、样本渗流数据、样本含油数据、样本工程数据、样本油气产量数据。
[0121]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0122]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0123]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0124]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0125]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0126]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0127]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。