本技術(shù)涉及油氣田開發(fā)，具體的說涉及一種天然氣氣井井底積液預(yù)測方法及裝置。

背景技術(shù)：

1、井底積液是氣井產(chǎn)量低于氣井連續(xù)攜帶液體的最小臨界流量，致使氣井無法將氣井中凝析油或地層水帶出井筒而積聚在井底的現(xiàn)象。在采氣時(shí)，隨著井底積液的積累，井底回壓會(huì)逐漸增大，使得生產(chǎn)壓差減小，繼而導(dǎo)致產(chǎn)氣量減小，低的產(chǎn)氣量進(jìn)一步導(dǎo)致氣體速度下降，構(gòu)成惡性循環(huán)，直至造成氣井停產(chǎn)。目前，有許多方法能夠解決井底積液的問題，例如常用泡沫排液法、管柱排水采氣技術(shù)以及氣舉排水采氣技術(shù)等，然而積液問題解決容易，預(yù)測卻難，如何能夠在出現(xiàn)積液問題前提前預(yù)知是目前重點(diǎn)研究的內(nèi)容。

2、當(dāng)前，現(xiàn)有技術(shù)有通過判斷有無井口油套壓差來判斷是否存在積液以及積液液面位置，有通過日產(chǎn)氣量的逐漸下降來判斷積液的產(chǎn)生，也有通過氣體臨界流量來判斷等?，F(xiàn)有的預(yù)測方法雖然可以預(yù)測出積液是否產(chǎn)生，但往往計(jì)算過程繁瑣且不夠精確，導(dǎo)致預(yù)測出結(jié)果與實(shí)際存在較大誤差。除此之外，氣井中液體的來源有兩種，一種是地層中的游離水或烴類凝析液與氣體一起滲流進(jìn)入井筒，另一種是地層中含有水汽的天然氣流入井筒，由于熱損失使溫度沿井筒逐漸下降而出現(xiàn)凝析水，目前的方法多是從采氣過程造成積液的角度來預(yù)測，而未曾考慮過地層中含水量的因素，因此，亟需一種結(jié)合地層水分含量且能夠及時(shí)準(zhǔn)確預(yù)測出井底積液的方法。

3、公開號(hào)為cn110163442a的發(fā)明專利公開了一種基于集成學(xué)習(xí)的氣井積液預(yù)測方法，該專利基于集成學(xué)習(xí)的氣井積液預(yù)測方法，與傳統(tǒng)的普適性的氣井積液預(yù)測模型相比具有更強(qiáng)的針對(duì)性和準(zhǔn)確性，這樣不僅可以更加準(zhǔn)確地判斷氣井的積液狀況，相對(duì)于傳統(tǒng)的氣井積液模型具有更好的準(zhǔn)確性和便捷性，同時(shí)對(duì)不同氣田的生產(chǎn)狀況得到針對(duì)性的氣井積液分析結(jié)果，更好地指導(dǎo)排水采氣工藝技術(shù)施工以達(dá)到排出井底積液，恢復(fù)氣井的產(chǎn)能，進(jìn)一步挖掘氣藏的后期開發(fā)潛力，達(dá)到提高氣藏的采收率的目的。

4、又例如公開號(hào)為cn113931621a的發(fā)明專利公開了一種氣井積液信息的確定方法、裝置及存儲(chǔ)介質(zhì)，該專利通過氣液混合物的氣液流動(dòng)特征和目標(biāo)氣井所處儲(chǔ)層的地質(zhì)特征，能夠?qū)δ繕?biāo)氣井內(nèi)的液體從近井地層到井口流動(dòng)過程的瞬態(tài)變化進(jìn)行分析，從而最大限度的考慮了影響積液產(chǎn)生的各類因素，提高了確定氣井積液信息的準(zhǔn)確性。

5、上述兩個(gè)現(xiàn)有技術(shù)都通過預(yù)測模型實(shí)現(xiàn)了井底積液的預(yù)測，但是都存在一些問題。首先，第一現(xiàn)有技術(shù)利用了三個(gè)基分類器，并且還需要進(jìn)行投票到聚合分類器中實(shí)現(xiàn)預(yù)測，整體方案十分復(fù)雜；而第二個(gè)現(xiàn)有技術(shù)則只能夠預(yù)測氣井井底是否有積液以及積液風(fēng)險(xiǎn)等信息，但并不能預(yù)測井底積液的具體數(shù)值。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述現(xiàn)有技術(shù)中存在的問題和不足，本技術(shù)提出了一種天然氣氣井井底積液預(yù)測方法及裝置，本方法利用決策樹作為基學(xué)習(xí)器，采用梯度增強(qiáng)算法對(duì)模型進(jìn)行訓(xùn)練，并且在數(shù)據(jù)集制作過程中，考慮到地層不同深度的含水量對(duì)預(yù)測結(jié)果的影響，因此本技術(shù)能夠很好的對(duì)井底積液進(jìn)行預(yù)測，預(yù)測結(jié)果更貼近于實(shí)際結(jié)果。

2、為了實(shí)現(xiàn)上述發(fā)明目的，本技術(shù)的技術(shù)方案具體如下：

3、一種天然氣氣井井底積液預(yù)測方法，包括：

4、采集不同地區(qū)、不同區(qū)塊的氣田實(shí)際生產(chǎn)資料或者模擬氣井積液的試驗(yàn)數(shù)據(jù)作為樣本數(shù)據(jù)；

5、將不同區(qū)塊的樣本數(shù)據(jù)打亂隨機(jī)組合成一個(gè)數(shù)據(jù)集，并將數(shù)據(jù)集劃分為訓(xùn)練集和測試集；

6、構(gòu)建井底積液預(yù)測模型，所述預(yù)測模型為梯度增強(qiáng)決策樹模型結(jié)構(gòu)，以決策樹作為基學(xué)習(xí)器，基于梯度增強(qiáng)算法采用數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，保存訓(xùn)練好的預(yù)測模型；

7、獲取待測天然氣氣井的氣田實(shí)際生產(chǎn)資料或者模擬氣井積液的試驗(yàn)數(shù)據(jù)，將其作為輸入送至保存好的預(yù)測模型中，最終得到待測天然氣氣井的井底積液的數(shù)值。

8、作為優(yōu)選地，所述構(gòu)建井底積液預(yù)測模型，所述預(yù)測模型為梯度增強(qiáng)決策樹模型結(jié)構(gòu)，以決策樹作為基學(xué)習(xí)器，基于梯度增強(qiáng)算法采用數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，保存訓(xùn)練好的預(yù)測模型，包括：

9、采用訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練，并在測試集上進(jìn)行測試，以獲得訓(xùn)練過程中表現(xiàn)最優(yōu)的預(yù)測模型；

10、在訓(xùn)練集中隨機(jī)抽取一份數(shù)據(jù)作為驗(yàn)證集對(duì)模型進(jìn)行驗(yàn)證，直至訓(xùn)練集中的所有數(shù)據(jù)都做過一次驗(yàn)證，交叉驗(yàn)證結(jié)束；根據(jù)模型在驗(yàn)證集上的表現(xiàn)來選擇最佳模型作為最終的預(yù)測模型，保存訓(xùn)練好的預(yù)測模型。

11、作為優(yōu)選地，所述采用訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練，并在測試集上進(jìn)行測試，以獲得訓(xùn)練過程中表現(xiàn)最優(yōu)的預(yù)測模型，包括：

12、在第m-1輪訓(xùn)練中，在井底積液預(yù)測模型中新增第m棵決策樹，基于損失函數(shù)進(jìn)行殘差計(jì)算

13、

14、其中，表示損失值l(yi,fm-1(xi))關(guān)于fm-1(xi)的偏導(dǎo)；l(yi,fm-1(xi))表示第m-1輪訓(xùn)練中井底積液模型輸出fm-1(xi)與其對(duì)應(yīng)的yi之間的損失值；n表示訓(xùn)練集中的數(shù)據(jù)組數(shù)量；

15、計(jì)算損失函數(shù)的負(fù)梯度在當(dāng)前模型的值，將它作為殘差的估計(jì)；

16、擬合殘差rmi學(xué)習(xí)一個(gè)回歸樹，得到第m顆樹的葉節(jié)點(diǎn)區(qū)域rmj，j＝1,2,…,j；

17、估計(jì)回歸樹葉節(jié)點(diǎn)區(qū)域，以擬合殘差的近似值；

18、找出誤差最小的一棵樹，即

19、

20、其中，cm表示最優(yōu)值，即誤差最小的樹；j表示第j個(gè)特征；

21、利用線性搜索估計(jì)葉節(jié)點(diǎn)區(qū)域的值，使損失函數(shù)極小化，最后更新回歸樹后得到回歸問題提升樹

22、

23、作為優(yōu)選地，所述樣本數(shù)據(jù)包括生產(chǎn)動(dòng)態(tài)數(shù)據(jù)、氣體臨界流量、井口壓力、井筒壓力以及地層不同深度的含水量。

24、作為優(yōu)選地，所述生產(chǎn)動(dòng)態(tài)數(shù)據(jù)包括注水狀況、含水率和氣油比。

25、作為優(yōu)選地，所述訓(xùn)練集、測試集和驗(yàn)證集的數(shù)據(jù)在模型訓(xùn)練過程中無交集。

26、一種天然氣氣井井底積液預(yù)測裝置，所述裝置用于實(shí)現(xiàn)上述井底積液預(yù)測方法，主要包括：

27、數(shù)據(jù)采集模塊，用于采集不同地區(qū)、不同區(qū)塊的氣田實(shí)際生產(chǎn)資料或者模擬氣井積液的試驗(yàn)數(shù)據(jù)作為樣本數(shù)據(jù)；

28、數(shù)據(jù)集制作模塊，用于將不同區(qū)塊的樣本數(shù)據(jù)打亂隨機(jī)組合成一個(gè)數(shù)據(jù)集，并將數(shù)據(jù)集劃分為訓(xùn)練集和測試集。

29、模型構(gòu)建及訓(xùn)練模塊，用于構(gòu)建井底積液預(yù)測模型，所述預(yù)測模型為梯度增強(qiáng)決策樹模型結(jié)構(gòu)，以決策樹作為基學(xué)習(xí)器，基于梯度增強(qiáng)算法采用數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，保存訓(xùn)練好的預(yù)測模型；

30、積液預(yù)測模塊，用于使用訓(xùn)練好的預(yù)測模型，對(duì)新輸入的待測天然氣氣井的氣田實(shí)際生產(chǎn)資料或者模擬氣井積液的試驗(yàn)數(shù)據(jù)進(jìn)行積液預(yù)測，最終得到待測天然氣氣井的井底積液的數(shù)值。

31、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器中運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)以上所述的井底積液預(yù)測方法。

32、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在計(jì)算機(jī)處理器中執(zhí)行時(shí)，實(shí)現(xiàn)以上所述的井底積液預(yù)測方法。

33、本技術(shù)的有益效果：

34、(1)本技術(shù)采用決策樹作為基學(xué)習(xí)器，存在易于理解、可解釋性強(qiáng)和預(yù)測速度快等優(yōu)點(diǎn)，進(jìn)一步地，采用梯度增強(qiáng)算法對(duì)模型進(jìn)行訓(xùn)練，有效提高了數(shù)據(jù)的利用率，并且也能夠很好的解決數(shù)據(jù)過擬合的問題。

35、(2)本技術(shù)在預(yù)測井底積液時(shí)，額外采集了地層不同深度的含水量作為新的參數(shù)引入到數(shù)據(jù)集中，數(shù)據(jù)集的參數(shù)類型進(jìn)一步擴(kuò)大，使得模型的預(yù)測結(jié)果更加精確，并且也更貼近于實(shí)際結(jié)果，進(jìn)一步提高了整體的預(yù)測準(zhǔn)確率。