换一换

咨信网 > 资源分类 > PDF文档下载

预览

PCA-OPLS联合法快速评价页岩气井储量动用程度.pdf

资源ID：606572 资源大小：11.09MB 全文页数：10页
资源格式： PDF 下载积分：10金币

微信登录下载

验证码下载

账号登录下载

三方登录下载：

微信扫一扫登录

下载资源需要10金币

邮箱/手机：
验证码：	获取验证码
温馨提示：	支付成功后，系统会自动生成账号（用户名为邮箱或者手机号，密码是验证码），方便下次登录下载和查询订单；
支付方式：
验证码：	换一换

VIP下载

账号：
密码：
验证码：	换一换
当日自动登录忘记密码？

特别提醒 | 会员权益免费领取5元金币

1、推荐【 2345浏览器】、【 WPS办公】、填表【下载求助】、【索取发票】、【退款申请】、咨询【微信客服】、【 QQ客服】、【客服电话：4008-655-100 | 投诉/维权电话：4009-655-100】。

2、咨信平台为文档C2C交易模式，即用户上传的文档直接被用户下载，收益归上传人（含作者）所有；本站仅是提供信息存储空间和展示预览，仅对用户上传内容的表现方式做保护处理，对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿，我们不确定上传用户享有完全著作权，根据《信息网络传播权保护条例》，如果侵犯了您的版权、权益或隐私，请联系我们，核实后会尽快下架及时删除，并可随时和客服了解处理情况，尊重保护知识产权我们共同努力。

3、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确)，网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据，平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺，下载前须认真查看，确认无误后再购买，务必慎重购买；若有违法违纪将进行移交司法处理，若涉侵权平台将进行基本处罚并下架。

4、本站所有内容均由用户上传，付费前请自行鉴别，如您付费，意味着您已接受本站规则且自行承担风险，本站不进行额外附加服务，虚拟产品一经售出概不退款（未进行购买下载可退充值款），文档一经付费（服务费）、不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。

5、如你看到网页展示的文档有www.zixin.com.cn水印，是因预览和防盗链等技术需要对页面进行转换压缩成图而已，我们并不对上传的文档进行任何编辑或修改，文档下载后都不会有水印标识（原文档上传前个别存留的除外），下载后原文更清晰；试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓；PPT和DOC文档可被视为“模板”，允许上传人保留章节、目录结构的情况下删减部份的内容；PDF文档不管是原文档转换或图片扫描而得，本站不作要求视为允许，下载前自行私信或留言给上传者【自信****多点】。

6、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用；网站提供的党政主题相关内容(国旗、国徽、党徽－－等)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。

7、文档遇到问题，请及时私信或留言给本站上传会员【自信****多点】，需本站解决可联系【微信客服】、【 QQ客服】，若有其他问题请点击或扫码反馈【服务填表】；文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“【版权申诉】”（推荐），意见反馈和侵权处理邮箱：1219186828@qq.com；也可以拔打客服电话：4008-655-100；投诉/维权电话：4009-655-100。

PCA-OPLS联合法快速评价页岩气井储量动用程度.pdf

1、油气藏评价与开发PETROLEUM RESERVOIR EVALUATION AND DEVELOPMENT2023年第13卷第4期PCA-OPLS联合法快速评价页岩气井储量动用程度刘洪林1,2,3，周尚文1,2,3，李晓波1,2,3（1.中国石油勘探开发研究院，北京100083；2.中国石油非常规油气重点实验室，北京 100083；3.国家能源页岩气研发（实验）中心，河北廊坊065007）摘要：川南地区已经钻探完成了上千口页岩气井，地质评价、钻探和生产过程中产生了大量高维度的数据，利用生产获得的各种数据预测页岩气储量动用程度，是指导页岩气勘探开发的一项重要工作。耦合主成分分析法（PCA）

2、与正交偏最小二乘法（OPLS）分析方法是形成一种快速、准确的储量动用程度预测新方法。通过结合主成分分析和正交偏最小二乘法，建立了PCA-OPLS联合法，借助昭通页岩气井样本，检验了新方法在储量动用程度评价中的应用效果。实例应用表明，页岩气井储量动用预测准确率满足要求，可以用于预测新钻井的储量动用程度，从而证明PCA-OPLS联合法能达到快速、准确预测储量动用程度的目的。该方法操作简单，准确率高，在页岩气储量动用评价中具有较好的应用前景。关键词：储量动用程度预测；PCA-OPLS法；多元非线性回归；精度检验；页岩气中图分类号：TE122文献标识码：AApplication of PCA plus

3、 OPLS method in rapid reserve production rate prediction ofshale gas wellsLIU Honglin1,2,3,ZHOU Shangwen1,2,3,LI Xiaobo1,2,3（1.Research Institute Petroleum Exploration&Development,Petrochina,Beijing 100083,China;2.PetroChina Key Laboratory forUnconventional Oil and Gas,Beijing 100083,China;3.Nationa

4、l Energy Shale Gas Research and Development（Experiment)）Center,Langfang,Hebei 065007,China）Abstract:In southern Sichuan,thousands of shale gas wells have been drilled,generating a vast amount of high-dimensional dataduring geological evaluation,drilling,and production processes.Predicting reserve re

5、covery ratios through data exploration andanalysis is essential for guiding the exploration and development of shale gas resources.To achieve this goal,a novel approach isintroduced,which couples principal component analysis（PCA）and orthogonal partial least square（OPLS）analysis,enabling rapidand acc

6、urate prediction of reserve production degree.The new method is put to the test using Zhaotong shale gas well samples toevaluate its effectiveness in predicting reserve recovery ratios.The results show that the average accuracy of reserve recovery ratioprediction using PCA-OPLS method surpasses the

7、anticipated result,that this algorithm can swiftly and precisely predict recoveryratios.With its advantages of simplicity,high accuracy,and promising application prospects,this method holds great potential forefficiently evaluating the production and recovery ratios of shale gas reserves.Keywords:re

8、serve recovery ratio prediction;PCA-OPLS method;multiple nonlinear regression;accuracy test;shale gas引用格式:刘洪林,周尚文,李晓波.PCA-OPLS联合法快速评价页岩气井储量动用程度J.油气藏评价与开发,2023,13（4）:474-483.LIU Honglin,ZHOU Shangwen,LI Xiaobo.Application of PCA plus OPLS method in rapid reserve production rate prediction of shalegas

9、 wellsJ.Petroleum Reservoir Evaluation and Development,2023,13（4）:474-483.DOI:10.13809/32-1825/te.2023.04.009在中国四川盆地威远、长宁、涪陵等地区已经实现了页岩气资源的规模开发，随着勘探开发工作的深入，确定可动用储量逐渐成为页岩气开发评价的重要工作，也是进一步调整开发方案的重要基础1-3。与常规油气藏类似，页岩气井的储量动用程度为某一生产时间动用的地质储量与已经投入开发地质储量的比值，单井可采储量可以通过数值模拟法、生产动态分析法等方法获得。页岩气井的单井控制储量收稿日期：2022-04

10、-08。第一作者简介：刘洪林（1973），男，硕士，高级工程师，主要从事非常规油气勘探开发工作。地址：北京市海淀区学院路20号中国石油勘探开发研究院，邮政编码：100083。E-mail：基金项目：中国石油前瞻性基础性研究项目“煤层气新区新层系新领域战略与评价技术研究”（2121DJ2303）；中国石油科学与技术开发项目“页岩气提高储量动用技术研究”（kt2021-11-02-01）。474刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度2023年第13卷第4期可以通过单井控制面积和资源丰度进行计算，该方法属于页岩气储量动用的直接计算法，由于页岩储层的储量动用受储层物性、含水饱

11、和度、动用范围、地层压力等多因素影响，页岩气的产出与储层地质参数、工程参数等紧密相关，因此，也可以通过分析各参数与单井可采储量与单井控制储量的关系，利用多元回归的数学方法进行页岩气储量动用的预测。正交偏最小二乘法（OPLS）是一种新型的多元统计数据分析方法，它由TRYGG Johan等人于2002年首次提出，是一种多因变量对多自变量的回归建模方法，其最大特点是可以去除自变量X中与分类变量Y无关的数据变异，使分类信息主要集中在一个主成分中，模型变得简单和易于解释，其模型预测效果优于PLS（偏最小二乘法），该方法后来被推广到微生物基因分析领域4-10。国内有学者将主成分分析法（PCA）与多元非线性

12、回归法结合应用在储层敏感性和煤层含气量预测方面，并取得了良好的效果4,11；在孔隙度预测方面，优选基于地震数据中与孔隙度相关性较大的5种地震属性，建立回归方程，预测孔隙度的精度相对较高，可以得到目标区的孔隙度分布情况12。也有学者采用 Boosting-PLS(根据错误率采样的偏最小二乘方法）进行页岩总含气量的预测，提取最能反映含气性的密度、中子、铀、钍等测井信息，通过模型自动学习训练样本中输出曲线响应值与总含气量的响应关系，利用所得响应关系建立总含气量预测模型13。在农业领域，采用PCA和PLS用于大豆品质评价14。目前也有学者在研究页岩气产能主控因素中使用PLS提取关键因素15，但是由于页

13、岩气地质、工程和生产要素之间具有较高的相关性，如含气量与总有机碳（TOC）之间、加砂量和压裂液量之间等相关性较强，因此在因素分析中容易导致参数重复赋权。在国内开展的储量动用研究工作中，多为常规油气或致密气，未见在页岩气储量动用评价中的应用16-21，通过将PCA方法中降维优势和OPLS多变量预测优势结合起来尝试用于页岩气储量动用程度分析，可以为页岩气储量动用程度评价提供一种新方法，提高储量动用程度分析速度和预测效果。1PCA-OPLS联合法的建立1.1主成分分析法（PCA法）PCA法是一种数据降维的数学方法，该方法把数据投射到样本散布最开的正交向量上，使投射平均均方误差尽可能小。该方法将数据进

14、行特征分解，构造新变量（称为主成分），并保证各变量之间正交。方差越大主成分含原变量信息量越大。提取较少几个主成分就可以包含原数据的信息，将高维数据降到低维。PCA法处理不但能减少每组样本的特征个数，而且确保这些特征相互独立，使样本规律更清晰，便于回归模型的挑选，并加快算法速度。PCA法的降维步骤为：1）建立原始样本矩阵X，样本数量要求不小于自变量数量。2）对原始数据进行标准化处理。xij=xij-xiVar()xj（i=1，2，n；j=1，2，p）（1）式中：-xi为矩阵X矩阵中每列数据的平均值；Var（xj）中每列数据的方差。3）计算样本相关系数矩阵R。4）计算相关系数矩阵的特征值和相应的特

15、征向量，得到特征值=（1，2，p），特征向量 ai=（a1，a2，ap）。5）根据影响因素累积贡献大小选择前 k 个因素，计算累积贡献率的公式为=i=1kii=1pi（2）式中：k为特征向量的数量；i为矩阵R的特征值；为累积贡献率。通常取1的前k个特征向量，认为前k个影响因素已包含数据的原始信息。前k个特征向量组成的矩阵U，即主成分得分系数矩阵。6）利用式（3），将p个影响因素降维成k个影响因素，即：X=X0 U（3）式中：X为PCA法处理后的样本矩阵。1.2正交最小偏二乘分析方法（OPLS法）多元回归分析是对2个或2个以上具有相关关系的变量变化的一般关系进行分析，它主要是研究自变量X和因变量

16、Y之间的相互关系，建立变量间经验公式，以便达到预测或控制的目的。多元非线性回归就是寻找能表示特征值x1，x2，.，xn和预测值yi4752023年第13卷第4期刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度之间的非线性函数关系式：yi=f（x1，x2，x3，xn）（4）式中：yi为预测值；x1，x2，xn为特征值。通过最小二乘法可求得模型中相应的参数。在变量系统中提取若干对系统具有最佳解释能力的新综合变量，并求出当前主成分数量时总的模型预测指数Q2和变量投影重要性值（VIP），若0.5Q20.8，模型具有较好预测能力。同时根据 VIP 值大小进行排序，若参数VIP值1，参数具

17、有重要性。变量投影重要性指标VIP值用以评价自变量对因变量的影响能力，其定义式为：VIP=pRd()Y；t1，t2，trk=1rRd()Y；tkwkj2（5）式中：Rd(Y；tk)和 Rd(Y；t1，t2，tr)是单个主成分 tk对产量Y的影响能力和所有主成分 t1，tr，对Y的累计解释能力，p为自变量数量。自变量xj在解释因变量Y的重要性，可以用变量投影重要性指标VIPj来测度。VIPj值越大，说明 xj对Y的影响能力就越大，即各影响因素对产能的贡献程度越大。1.3PCA-OPLS联合法实现流程PCA-OPLS联合法实现流程主要有以下 3个步骤：页岩气样本数据集采集：包括各种地质、储层、压裂

18、和生产参数，并计算储量动用程度。样本实验集和验证集划分：对实验集样本进行PCA降维处理，降维后得到的特征彼此之间相互独立，不存在线性相关的主成分，重新命名主成分为新变量指标，便于探索新变量与预测值之间的数学关系，用最小二乘法对实验集样本数据综合分析，建立新变量与预测值之间的数学模型。模型精度检验：用验证集样本对模型进行精度检验，形成预测模型并应用于新区的预测。2实验分析及应用2.1自变量和因变量的建立以昭通国家级页岩气示范区为例，开展 PCA-OPLS联合法的实验分析。昭通国家级页岩气示范区主体处于盆外复杂构造残留坳陷区（图 1），浙江油田分公司在 2 a 内实现了集中评价与产能试验，探明了千

19、亿立方米级储量的大型浅层页岩气田。目的层龙马溪组埋深5001 500 m，五峰组龙一1亚段优质页岩发育厚度35 m、有机质丰度TOC介于 2.58%3.21%，Ro介于 1.99%3.08%、含气性介于3.305.51 m3/t、孔隙度介于3.98%5.41%、脆性矿物含量介于 51%75%，地层压力系数介于1.251.6222-25。目前已经有27口井投入生产，单井平均测试产量7.03104m3/d，取得了较好的效果，采用单井可采储量与控制储量比值法计算储量采出程度平均为9.2%39.6%。通过收集昭通地区页岩气井的脆性矿物含量、储层厚度、总有机碳、孔隙度等20项自变量参数组成矩阵X，通过单

20、井可采储量和控制储量计算获得单井储量动用程度，定义为因变量Y，详见表1。根据样本数量不小于自变量数量的要求，采用其中20个样本作为实验样本，即采用最小样本数量进行实验，目的在于探索最小样本情况下的方法精度，其余7个样本作为验证样本。然后利用公式1进行变量的标准化，使得自变量X中具有不同数量级参数的方差都能得到有效表达。2.2PCA法降维在采用OPLS进行建模之前，先将标准化处理后的实验样本进行主成分分析，以降低样本数据的维度、简化识别模型。主成分分析的结果见表 2，前 5个主成分的方差贡献率分别为 30.03%、20.10%、14.00%、10.30%和 7.15%。由此得知，前 5个主成分的

21、累计贡献率已达81.58%，能够很好地表征原样本的信息。2.3主成分矩阵和主成分得分系数矩阵U U由PCA分析获得的成分矩阵表3可以看出：主成分PCA1主要与资源丰度、优质储层厚度等反映资源品质的指标相关，定义为资源品质指标；主成分PCA2主要与累计产气、IP30等反映气井产量的指标相关，定义为产量指标；主成分PCA3主要与主压裂用液量、加砂量等反映了改造程度的指标有关，定义为改造程度指标；主成分PCA4主要与吸附气含量、含气饱和度等反映储层质量指标相关，定义为储层质量指标；主成分PCA5主要与压裂排量参数相关，定义为压裂施工指标。同时，通过PCA分析获得5个主成分的得分系数矩阵见表4，得分系

22、数矩阵是计算主成分的基础数据。以页岩气井实验样本的主成分PCA1为例说明主成分计算方法。476刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度2023年第13卷第4期水平井断层YS108H9-2YS108H9-3YS108H8-5YS108H6-5YS108H11-1YS108H9-5YS108H1-2YS108H1-8YS108H1-4YS108H2-4YS108H2-2YS108H2-3YS108H13-4YS108H13-2YS108H13-3YS108H13-4YS108H13-2YS108H13-6YS108H3-2020 km四川盆地起隆滇康滇东黔中隆起雷波复向斜巧

23、家筠连背斜带彝良叙永复向斜昭通古蔺背斜带赫章夜郎复向斜毕节桐梓背斜带一级构造单元二级构造单元断层研究区YS108H19-2YS108H19-6YS108H19-4N二级构造单元线图1昭通浅层页岩气田的位置Fig.1Location of shallow shale gas field of Zhaotonga.研究区位置图b.水平井位置图PCA1=0.837优质储层厚度+0.795资源丰度-0.738井口压力-0.663总有机碳+0.149累计产气+0.141IP30+0.463孔隙度+0.459含气量-0.012主压裂用液量-0.026改造段数-0.107加砂量-0.097吸附气含量-0.1

24、68含气饱和度+0.141水平段长+0.637单井储量-0.320脆性矿物含量-0.156最大排量-0.042最小排量-0.133井深其他主成分PCA2、PCA3、PCA4、PCA5计算方法与其相同，最终得到PCA降维后的矩阵，见表5，包含5个自变量的矩阵X。2.4OPLS法分析将表2中20个样品资源品质指标、产量指标、改造程度指标、储层质量指标、压裂施工指标等作为自变量，计算的储量动用程度作为因变量，通过SIMICA13.0软件建立计算储量动用程度与自变量的校正OPLS模型，进行偏最小二乘法分析，求出当前5个主成分时的模型拟合精度指数 R2为 0.891 2和模型预测指数Q2值为0.869

25、3，说明模型具有较好预测能力，最后使用7个验证样本数据进行精度检验，若4772023年第13卷第4期刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度井号YS108H1-2YS108H1-4YS108H1-8YS108H2-2YS108H2-3YS108H2-4YS108H2-5YS108H3-2YS108H6-5YS108H8-5YS108H9-2YS108H9-3YS108H9-5YS108H11-1YS108H13-2YS108H13-3YS108H13-4YS108H19-2YS108H19-4YS108H19-6自变量X脆性矿物/%6263585858565556585

26、456565649545455556867储层厚度/m7271706970707072626260616169717153545353总有机碳/%2.32.22.52.42.72.42.82.62.82.72.62.72.72.32.62.72.53.02.72.8孔隙度/%6.35.96.16.36.05.95.95.95.24.64.64.54.74.95.75.75.15.35.45.1总含气量/（m3t-1）5.55.35.65.65.55.85.55.54.55.04.74.94.94.94.95.24.24.64.24.4含气饱和度/%54.352.151.456.052.553.

27、452.050.548.546.044.345.544.752.053.853.854.455.354.556.4吸附含气量/（m3t-1）3.12.53.12.53.52.93.43.33.23.23.02.63.13.22.82.52.82.53.32.2资源丰度/（108m3km-2）9.09.28.88.98.88.88.99.06.76.86.86.76.78.08.48.35.45.45.45.4单井储量/108m34.54.54.64.56.05.13.64.83.74.03.84.03.33.93.33.42.53.02.51.8水平段长/m1 4081 4041 4781 4

28、331 9001 6301 1541 4911 5151 6651 5701 6501 3501 3831 1001 1401 3301 5601 340970压裂液量/m334 56936 98236 56338 32218 75941 81929 24037 77034 37632 21736 75644 45231 03126 09337 90040 49746 50042 61837 69325 031加砂量/t1 3811 3151 2882 0961 0552 3061 4431 5769871 8931 6302 1131 4421 2092 2502 3872 7501 879

29、1 7251 079最小施工排量/（m3min-1）3.58.09.312.212.813.39.810.26.010.010.310.010.29.311.411.111.311.212.111.8最大施工排量/（m3min-1）10.711.310.814.213.514.014.212.711.013.212.112.312.111.413.012.712.213.314.113.1井口压力/MPa31.729.715.823.627.316.521.620.915.711.611.112.913.713.021.022.019.129.229.514.4IP30/104m313.311

30、0.998.929.098.1215.618.0415.858.282.124.134.083.729.169.7411.688.026.275.976.95单井可采储量/108m30.671.541.080.810.551.260.891.100.870.510.470.830.331.090.821.000.990.360.380.31测试日产量/104m318.6024.2326.0814.8935.1429.0324.7517.5015.7910.8712.2311.2513.1914.0017.7016.6432.5022.9027.4037.30生产天数/d1 9762 1472

31、1471 6951 2901 6931 7012 2802 2571 8711 5331 5401 5432 1831 0651 0351 0351 4321 4261 426因变量Y储量动用程度/%14.934.223.518.09.224.724.722.923.512.812.420.810.027.924.829.439.612.015.217.2表1页岩气井实验样本的主要参数Table 1Key parameters of testing samples from shale gas wells478刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度2023年第13卷第

32、4期成分123456715初始特征值%总计6.004.022.812.071.430.930.680.02方差百分比30.0320.1014.0010.307.154.673.420.09累积30.0350.1664.2574.6481.7986.4789.8999.93提取载荷平方和%总计6.004.022.812.071.43方差百分比30.0320.1014.0010.307.15累积30.0350.1364.1374.4381.58表2页岩气井实验样本的总方差解释Table 2Interpretation of total variance of testingsamples from

33、 shale gas wellsR2资源品质指标储层质量指标产量指标压裂施工指标，其中改造程度指标、资源品质指标的VIP值大于1.0，为模型的重要影响参数。为了比较方法间的准确性，利用SPSS软件采用神经网络、多元线性回归方法进行拟合，对比PCA-OPLS联合法、神经网络法、多元线性回归方法之间的精度见表 6，可知 PCA-OPLS 联合法平均误差1.44%，神经网络法平均误差为4.86%，直接回归法平均误差为6.13%。与神经网络、多元线性回归法相比，PCA-OPLS联合法可大幅度提高预测值的准确率。3新方法验证应用为进一步验证PCA-OPLS联合法的可靠性和可推广性，采用威远地区的页岩气井

34、数据作为新验证样品进行进一步分析，威远地区钻井较多，其中威202井区和威204井区已经投产490口井。按照上述应用流程，先采用 PCA 对数据进行降维，然后建立OPLS预测模型分析方法，获得预测拟合与计算储量动用率相关性图（图3），结果表明威远地区预测效果仍然较好，相关系数分别为0.923 4和0.864 2。大样本数据分析结果明显好于昭通地区的小样本数据预测精度，说明更多的样本数据对于模型的迭代和分析能够提供更多的信息，避免个别异常样本的干扰，提高模型的预测精度。标准化的X变量Z-score(优质储层厚度)Z-score(资源丰度)Z-score(井口压力)Z-score(总有机碳)Z-sc

35、ore(累计产气)Z-score(IP30)Z-score(孔隙度)Z-score(含气量)Z-score(主压裂用液量)Z-score(改造段数)Z-score(加砂量)Z-score(吸附气含量)Z-score(含气饱和度)Z-score(水平段长)Z-score(单井储量)Z-score(脆性矿物含量)Z-score(最大排量)Z-score(最小排量)Z-score(井深)主成分PCA10.8370.7950.738-0.6630.1490.1410.4630.459-0.012-0.026-0.107-0.097-0.1680.1410.637-0.320-0.1560.042-0.

36、133PCA 20.0800.3820.075-0.2340.9020.9010.7520.6360.0220.0000.1260.4600.291-0.2060.1340.0250.145-0.1840.514PCA 3-0.1010.019-0.155-0.039-0.016-0.0120.1520.1880.9660.9620.916-0.1340.1170.2450.121-0.3210.030-0.0150.128PCA 40.3080.370-0.108-0.144-0.119-0.111-0.0090.4000.0740.1310.0120.722-0.6860.6800.670

37、-0.5660.020-0.0240.124PCA 5-0.220-0.1080.0490.242-0.018-0.0120.1330.103-0.008-0.0570.257-0.0620.3110.1500.016-0.0620.8890.8410.577表3页岩气井实验样本的成分矩阵Table 3Composition matrix of testing samples from shale gas wells4792023年第13卷第4期刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度标准化的X变量Z-score(优质储层厚度)Z-score(资源丰度)Z-score(

38、井口压力)Z-score(总有机碳)Z-score(累计产气)Z-score(IP30)Z-score(孔隙度)Z-score(含气量)Z-score(主压裂用液量)Z-score(改造段数)Z-score(加砂量)Z-score(吸附气含量)Z-score(含气饱和度)Z-score(水平段长)Z-score(单井储量)Z-score(脆性矿物含量)Z-score(最大排量)Z-score(最小排量)Z-score(井深)成分得分系数资源品质指标0.8370.7950.738-0.6630.1490.1490.4630.459-0.012-0.026-0.107-0.097-0.1680.1

39、410.637-0.320-0.1560.042-0.133产量指标0.0800.3820.075-0.2340.9020.9020.7520.6360.0220.0000.1260.4600.291-0.2060.1340.0250.145-0.1840.514改造程度指标-0.1010.019-0.155-0.039-0.016-0.0160.1520.1880.9660.9620.916-0.1340.1170.2450.121-0.3210.030-0.0150.128储层质量指标0.3080.370-0.108-0.144-0.119-0.119-0.0090.4000.0740.1

40、310.0120.722-0.6860.6800.670-0.5660.020-0.0240.124压裂施工指标-0.220-0.1080.0490.242-0.018-0.0180.1330.103-0.008-0.0570.257-0.0620.3110.1500.016-0.0620.8890.8410.577表4页岩气井实验样本的主成分得分系数矩阵Table 4Principal component score coefficient matrix of testing samples from shale gas wells井号YS108H1-2YS108H1-4YS108H1-8Y

41、S108H2-2YS108H2-3YS108H2-4YS108H2-5YS108H3-2YS108H6-5YS108H8-5YS108H9-2YS108H9-3YS108H9-5YS108H11-1YS108H13-2YS108H13-3YS108H13-4YS108H19-2YS108H19-4YS108H19-6自变量X资源品质指标38 745.1931 815.6625 669.9525 977.1623 559.7345 494.6323 072.3246 243.0223 799.005 442.6611 374.6111 123.0210 214.8726 495.1227 887

42、.3133 636.4522 637.1317 589.5016 724.8519 808.92产量指标242 578.90200 651.80163 450.99166 748.52148 623.42283 912.81147 564.03288 485.75151 848.4940 631.9376 894.3776 088.6469 443.30167 691.19178 252.07213 393.80147 494.82115 829.81110 252.57127936.21改造程度指标29 169.3732 300.9432 491.8433 369.8115 293.2534

43、 990.1225 219.6531 464.0130 773.4929 577.7533 755.5441 027.2728 294.5522 035.1232 591.7034 506.9341 224.9638 711.5133 984.2521 583.31储层质量指标-26 625.29-21 119.02-16 325.98-16 560.60-15 499.28-31 269.70-15 067.94-32 137.25-14 974.36-909.97-5 246.87-4 541.59-4 880.08-17 699.01-18 339.07-22 589.42-13 616

44、.19-9 716.63-9 539.17-12 956.80压裂施工指标38 684.1231 753.2225 599.7825 913.7023 498.1845 425.2623 006.7546 174.1323 739.385 380.5711 313.4111 062.5210 155.2626 425.2927 820.6133 570.3122 590.0717 549.2416 685.6419 758.71因变量Y储量动用程度/%14.934.223.518.09.224.724.722.923.512.812.420.810.027.924.829.439.612.01

45、5.217.2表5页岩气井实验样本的PCA处理后的矩阵Table 5PCA processed matrix of testing samples from shale gas wells480刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度2023年第13卷第4期a.储量动用程度预测与计算值对比图b.影响因素的VIP值图2储量动用程度预测结果及影响因素VIP值分布Fig.2Prediction results andVIPvalue distribution of reserve recovery ratio4结论与认识1）通过对样本进行 PCA 法降维处理，再用OPLS法建

46、立计算值与预测值之间的回归拟合数学模型，建立了 PCA-OPLS联合法预测页岩气储量动用程度的新方法。2）PCA-OPLS联合法的优点在于利用PCA降维法保证样本信息损失最小减少的前提下，大大减少样本矩阵维度和计算工作量，同时发挥OPLS模型多变量预测优势，确定影响储量动用程度的核心参数。3）通过实例应用表明 PCA-OPLS 联合法在昭通、威远页岩气井储量动用预测准确率满足要求，可以用于预测新钻井的储量动用程度。威远地区大样井号YS108H1-2YS108H1-4YS108H1-8YS108H2-2YS108H2-3YS108H2-4YS108H2-5YS108H3-2YS108H6-5YS

47、108H8-5YS108H9-2YS108H9-3YS108H9-5YS108H11-1YS108H13-2YS108H13-3YS108H13-4YS108H19-2YS108H19-4YS108H19-6平均值实际储量动用程度/%14.934.223.518.09.224.724.722.923.512.812.420.810.027.924.829.439.612.015.217.2预测值/%PCA-PLS联合法14.033.022.820.011.026.024.124.022.110.811.020.012.027.021.828.041.213.512.818.0神经网络法24.0

48、25.021.926.44.726.223.826.617.317.814.018.215.620.826.627.426.318.520.418.6多元线性回归法18.719.219.021.318.723.317.919.418.218.320.425.718.417.723.425.531.424.521.517.6预测误差/%PCA-PLS法0.91.20.72.01.81.30.61.11.42.01.40.82.00.93.01.41.61.52.40.81.44神经网络法9.19.21.68.44.51.50.93.76.25.01.62.65.67.11.82.013.36.5

49、5.21.44.86多元线性回归法3.815.04.53.39.51.46.83.55.35.58.04.98.410.21.43.98.212.56.30.46.13表6不同方法预测结果与计算结果比较Table 6Comparison of prediction results and calculation results of different methods4812023年第13卷第4期刘洪林，等.PCA-OPLS联合法快速评价页岩气井储量动用程度本对比表明，当样本量越大，预测结果误差越小，综合预测法使用精度更高，效果更好。参考文献1马新华,李熙喆,梁峰,等.威远页岩气田单井

50、产能主控因素与开发优化技术对策J.石油勘探与开发,2020,47（3）:555-563.MA Xinhua,LI Xizhe,LIANG Feng,et al.Dominating factorson well productivity and development strategies optimization inWeiyuan shale gas play,Sichuan Basin,SW ChinaJ.PetroleumExploration and Development,2020,47（3）:555-563.2车世琦.涪陵气田平桥区块页岩气选区评价J.石油地质与工程,2022,3

注意事项: 本文（PCA-OPLS联合法快速评价页岩气井储量动用程度.pdf）为本站上传会员【自信****多点】主动上传，咨信网仅是提供信息存储空间和展示预览，仅对用户上传内容的表现方式做保护处理，对上载内容不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知咨信网（发送邮件至1219186828@qq.com、拔打电话4008-655-100或【微信客服】、【 QQ客服】），核实后会尽快下架及时删除，并可随时和客服了解处理情况，尊重保护知识产权我们共同努力。
温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载【60天内】不扣币。【服务填表】