一种油井产能主控因素分析方法、系统、设备和存储介质与流程

技术特征：
1.一种油井产能主控因素分析方法，其特征在于，包括以下步骤：分别对获取的油井数据中的生产动态因素和静态地质因素进行数据清洗；分别对经过数据清洗的生产动态因素与静态地质因素做独立分析，并使用机器学习算法开展油井产能主控因素的排序，得到各生产动态因素和静态地质因素的重要性排序。2.如权利要求1所述的一种油井产能主控因素分析方法，其特征在于：对于生产动态因素，其数据清洗的步骤为：依据第一预设判别标准筛选已投产的油井；缺失数据处理；依据第二预设判别标准确定油井的正式投产日期；依据第三预设判别标准去除受作业影响的数据。3.如权利要求1所述的一种油井产能主控因素分析方法，其特征在于：对静态地质因素，其数据清洗的步骤为：筛选射孔层位的地质因素数据；单井整体地质数据的计算；缺失数据处理。4.如权利要求3所述的一种油井产能主控因素分析方法，其特征在于：所述单井整体地质数据的计算方法为：对单井的储层厚度与射开厚度，采用各小层数据的累加，其余各项静态地质因素，则按各层的射开厚度对其进行加权平均，计算得到单井整体的地质数据。5.如权利要求4所述的一种油井产能主控因素分析方法，其特征在于：所述单井整体地质数据的计算公式为：式中，x为单井整体的地质数据；x
i
为第i层的地质数据；h
i
为第i层的射开厚度；i为单井的小层编号。6.如权利要求1所述的一种油井产能主控因素分析方法，其特征在于：所述对生产动态因素进行分析的方法，包括：
①
从生产动态数据集中选取一口井，以日产油量为机器学习算法的标签，以其余各项生产动态因素为输入的特征，采用机器学习算法作为基模型，以该井数据训练基模型并得到各特征的重要性权重；
②
依次对各井的生产动态数据按步骤
①
计算特征的重要性权重，并对所有井相应的特征权重取平均值，依据平均权重大小确定各特征的重要性排序；
③
依据重要性排序，去除最重要的一个或几个特征，用剩余的特征组成新数据集，并使用基模型进行下一轮训练与特征重要性评价；
④
重复
②‑③
步，直至筛选出最不重要的特征，将特征依次被剔除的顺序作为油井产能动态因素的重要性排序。7.如权利要求1所述的一种油井产能主控因素分析方法，其特征在于：所述对静态地质因素做分析的方法，包括：
①
以所有井的静态地质因素数据为训练集，以日产油量为机器学习算法的标签，以其
他各项静态地质因素为输入特征，采用机器学习算法作为基模型，进行模型训练并得到各特征的重要性权重；
②
依据权重大小确定各特征的重要性排序，并去除最重要的一个或几个特征，用剩余的特征组成新数据集，并使用基模型进行下一轮训练与特征重要性评价；
③
重复第
②
步，直至筛选出最不重要的特征，将特征依次被剔除的顺序作为油井产能静态地质因素的重要性排序。8.一种油井产能主控因素分析系统，其特征在于，包括：数据清洗模块，用于分别对获取的油井数据中的生产动态因素和静态地质因素进行数据清洗；主控因素分析模块，用于分别对经过数据清洗的生产动态因素与静态地质因素做独立分析，并使用机器学习算法开展油井产能主控因素的排序，得到各生产动态因素和静态地质因素的重要性排序。9.一种处理设备，所述处理设备至少包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现权利要求1到7任一项所述油井产能主控因素分析方法的步骤。10.一种计算机存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现根据权利要求1到7任一项所述油井产能主控因素分析方法的步骤。

技术总结
本发明涉及一种油井产能主控因素分析方法、系统、设备和存储介质，方法包括以下步骤：分别对获取的油井数据中的生产动态因素和静态地质因素进行数据清洗；采用控制变量的方法，对已清洗的生产动态与静态地质数据做独立分析，分别设计其应用方式，并使用机器学习算法开展油井产能主控因素的排序，得到各生产动态因素和静态地质因素的重要性排序。本发明通过对生产动态与静态地质数据的高效数据清洗，并采用适宜于生产动态与静态地质数据特点的数据使用方式，可提升机器学习算法在油井产能主控因素研究领域的适用性与准确性。因此，本发明可以广泛应用于油气田开发领域。发明可以广泛应用于油气田开发领域。发明可以广泛应用于油气田开发领域。


技术研发人员：董银涛 邱凌 宋来明 丁祖鹏 卢川 甘云雁 陈冠中 段锐 杨烁
受保护的技术使用者：中海石油（中国）有限公司北京研究中心
技术研发日：2021.10.27
技术公布日：2022/2/8