基于机器学习的压裂优化研究

作者：崔博宇; 董易凡; 杨圣方; 刘博卿

来源：石油工业技术监督, 2021, 37(02): 17-20.

• 机器学习
• 水力压裂
• 压裂优化
• 数据分析
• 数据降维

长庆油田苏里格南作业分公司的工厂化作业模式产生了超过1 300个层位的优质压裂数据。其大数据、少变量的特点使得基于机器学习的压裂优化成为可能。基于机器学习的压裂优化设计思路,将压后产量假设作为储层储能和压裂作业两项自变量相互作用的因变量表现。通过机器学习建立三者的数据模型,从而在一定条件下优化压裂施工参数,增加提高压后产能的可能性。机器学习模型解释为在储层厚度一定的情况下,支撑剂体积和压后产能表现为开口向下的抛物线关系,即当支撑剂体积在设计条件允许的情况下,尽可能地靠近顶点,可以增加提高产能的可能性。