具体实施方式

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，都属于本发明保护的范围。

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”、“第三”“第四”等(如果存在)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例如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。

图1为本发明实施例提供的一种应用场景示意图，如图1所示，本发明的执行主体可以为压裂参数的确定装置，所述装置设置在压裂参数的确定设备上，所述装置可以以软件的方式来实现。如图1所示，压裂参数的确定装置101获取的输入数据包括多个已压裂井的地质数据、压裂数据和EUR(Estimated Ultimate Recovery，估算最终可采储量)，根据已压裂井的上述数据可以将已压裂井所在的目标区块划分为多个预设类别，并得到每个预设类别的回归模型，回归模型表示的是EUR与输入的地质数据和压裂参数的关系。那么，对一口待压裂的井来说，当需要确定压裂参数时，可以先判断该待压裂井所属的类别，进而确定影响EUR的主控压裂因素，再基于主控压裂因素得到备选压裂参数，最终基于每一备选压裂参数对应的EUR值从备选压裂参数中确定一种备选压裂参数。

对于致密储层来说，具有低孔低渗、裂缝发育的特点，需要通过压裂改造来有效开发，压裂改造通常采用水力压裂的方式。而油井在经过水力压裂后的估算最终可采储量除了受地质数据的影响外，还受压裂参数的影响。压裂参数也称为工程参数，用于表示如何对水平井进行施工。在现有技术中，在确定压裂参数时通常采用topaze试井软件对压裂水平井进行动态分析和试井解释。但是对于致密储层来说，具有非均质性的特点，采用topaze试井软件得到的压裂参数不具有针对性，未能反映不同储层条件下压裂设计的差异性，使得水平井的EUR值较低。

基于上述问题，本申请通过对已压裂井进行分析，对砂砾岩进行储层的划分，进而可以确定影响EUR值的主控压裂因素，从而可以有针对性的确定压裂参数，能够使得压裂优化具有针对性，提高了待压裂水平井的EUR值。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图2为本发明实施例提供的压裂参数的确定方法的流程示意图，如图2所示，本实施例的方法，可以包括：

步骤S201、获取目标区块待压裂井的地质数据和初始压裂参数。

其中，目标区块是指一个油气田，一个油气田存在多个钻井，多个钻井中包括已压裂井和待压裂井。在对一个待压裂井进行压裂参数的确定时，需要先获取该待压裂井的地质数据和初始压裂数据，其中，地质数据包括地层孔隙度、钻遇率、含油饱和度、垂深、一类油层厚度、泊松比、最小水平主应力、杨氏模量和压力系数等；压裂参数包括裂缝间距、总液量、总砂量、施工排量、平均砂比、前置液比例和水平段长等。上述地质数据和压裂参数(也称工程数据)均是本领域的常用术语，此处不再详细解释。其中，初始压裂参数是基于topaze试井软件确定的参数。

步骤S202、通过聚类算法根据所述地质数据和初始压裂参数确定所述待压裂井的目标类别；其中，所述目标类别为多个预设类别之一；所述预设类别是通过聚类算法根据所述目标区块中多组已压裂井的影响因素确定的；所述影响因素包括：地质数据和压裂参数。

其中，根据目标区块中已压裂井的数据信息可以将水平井划分为多个预设类别，待压裂井属于多个预设类别之一。其中，划分的多个预设类别均存在一个聚类中心，在判断待压裂井所属的类别时可以通过聚类方法来实现，具体的，根据待压裂井的地质数据和初始压裂参数，获取该待压裂井的地质数据和初始压裂参数与各个聚类中心的距离，将距离最近时对应的预设类别确定为待压裂井的目标类别。

步骤S203、根据所述待压裂井的目标类别确定影响所述待压裂井的估算最终可采储量的主控压裂因素；所述主控压裂因素为压裂参数中的至少一个。

其中，对于已压裂井来说，在将已压裂井划分为多个预设类别后，可以基于数据挖掘算法确定每一预设类别的主控因素。例如，已压裂的水平井被划分为A类水平井和B类水平井时，通过数据挖掘算法，可以确定A类水平井的估算最终可采储量受地质因素影响较多，B类水平井的估算最终可采储量受压裂因素影响较多。

因此，在确定待压裂井的目标类别后，可以进一步确定影响待压裂井的估算最终可采储量的主控因素，进一步确定影响待压裂井的估算最终可采储量的主控压裂因素。其中，主控压裂因素为压裂参数中的至少一个，即哪些施工参数对水平井的估算最终可采储量影响较大。

步骤S204、根据所述主控压裂因素，对所述初始压裂参数进行调整，生成所述待压裂井的多组备选压裂参数，基于与所述目标类别对应的回归模型确定每组备选压裂参数对应的估算最终可采储量，根据确定的估算最终可采储量确定最终的压裂参数；其中，针对每一预设类别，所述回归模型表示估算最终可采储量与各个影响因素的对应关系。

在确定主控压裂因素后，可以基于正交试验的方法对初始压裂参数进行调整，根据每一组备选压裂参数和对应的回归模型可以得到估算最终可采储量，进而可以选择估算最终可采储量较大时对应的备选压裂参数作为压裂参数。

其中，此处的回归模型是基于同一预设类别的多个已压裂井的地质数据、压裂参数以及对应的估算最终可采储量所确定的。因此，对于一未压裂井，在获取地质数据和压裂参数可以根据回归模型来预测对应的估算最终可采储量。

其中，对于已压裂井来说，虽然进行了水力压裂，但是对于实际可采储量需要经过若干年后的统计分析才可以得知。可采储量也称为生成数据，对于生产数据不足的问题，可以通过Topaze试井软件进行生产历史拟合并预测每口井的估算最终可采储量。虽然无法获取已压裂井的实际生产数据，但是已压裂井已经基本处于拟稳态流状态，采用Topaze试井软件可以较准确的得到估算最终可采储量。其中，生产历史拟合是指已建立数值分析的基础上，拟合产量曲线，要保证拟合曲线与实际曲线趋势相同且符合程度高。当压力及压力导数曲线出现斜率值为1的直线段，表明进入拟稳定流动阶段，此时可以进行估算最终可采储量的预测。

在本发明实施例中，通过先确定待压裂井所属的目标类别，再确定影响该待压裂井的主控压裂因素，通过正交试验的方法生成多组备选压裂参数(也就是对初始压裂参数进行调整)，根据回归模得到每组备选压裂参数的可采储量，最终确定选择的备选压裂参数，能够充分考虑待压裂井的非均质性的特点，使得确定的备选压裂参数具有一定的针对性，进而提高水平井的估算最终可采储量。

可选的，所述方法还包括：

获取所述目标区块多组已压裂井的地质数据、压裂参数和估算最终可采储量，将所述多组已压裂井的地质数据和压裂参数进行PCA降维处理，通过K-means中心聚类算法根据PCA降维处理后的数据将所述目标区块划分为多个预设类别；

针对每一预设类别，将属于所述预设类别的每组已压裂井的地质数据和压裂参数作为神经网络的输入，将对应的估算最终可采储量作为神经网络的输出，对所述神经网络进行训练直至所述神经网络的精度满足要求时，将训练后的神经网络确定为与所述预设类别对应的回归模型。

在本实施例中，在对待压裂井的数据进行处理之前，需要先根据已压裂井的数据确定目标区块中已压裂井的预设类别。可以先获取已压裂井的地址数据和压裂参数，建立目标区块的SQL压裂数据库，采用该数据库可公开面向所有人，方便随时查看以及提取所需数据。

具体的，可以采用聚类算法来实现，如K-means中心聚类算法。在进行多个预设类别的划分时，由于地质数据和压裂参数的种类较多，存在16种特征参数，若直接进行聚类，则计算量较大，同时由于地质数据中某些数据存在线性相关，因此，对于多个存在线性相关的数据只需考虑一个参数即可。因此，可以先对获取的数据进行PCA降维，降维后的数据相比与未降维的数据减少了数据维度，从而减少数据量。

图3为本发明实施例提供的一种目标区块的水平井的划分结果的示意图，例如，采用K-means中心聚类算法将多个已压裂井划分为两类，分别为A类水平井和B类水平井，在划分的过程中需要使得分别属于A类水平井和B类水平井的多个已压裂井的间距较小，使A类水平井形成的簇与B类水平井形成的簇的间距较大。

对于第一待压裂井由于距离A类水平井的质心较近，因此属于A类水平井，对于第二待压裂井由于距离B类水平井的质心较近，因此属于B类水平井。

此外，在得到预设类别后，还可以确定每个预设类别对应的回归模型，例如，将属于A类水平井的所有已压裂井的地质数据和压裂参数作为BP神经网络的输入，将对应的估算最终可采储量作为BP神经网络的输出，通过对BP神经网络进行训练，直至当检验样本的地质数据和压裂参数输入该BP神经网络后，预测的可采储量与检验样本实际的估算最终可采储量的相似度满足要求时，表示回归模型训练完成。

上述方法通过根据已压裂井的地质数据、压裂参数和估算最终可采储量得到目标区块的水平井的预设类别，以及每一预设类别对应的回归模型，便于通过每一预设类别的特征确定未压裂井的压裂参数。

可选的，所述方法还包括：

针对每一预设类别，通过随机森林算法确定影响所述估算最终可采储量的主控压裂因素；

相应的，根据所述待压裂井的目标类别确定影响所述待压裂井的估算最终可采储量的主控压裂因素，包括：

将所述待压裂井的目标类别对应的主控压裂因素确定为影响所述待压裂井的估算最终可采储量的主控压裂因素。

在本实施例中，在确定目标区块的预设类别后，需要确定每一预设类别的主控因素，其中主控因素表示对估算最终可采储量影响较大的因素。具体的，可以采用随机森林的算法来实现，将属于A类水平井的多组数据建立一个随机森林模型，将属于B类水平井的多组数据建立一个随机森林模型，从而得到A类水平井和B类水平井的主控因素。

其中，图4为本发明实施例提供的一种对A类水平井EUR的各影响因素对应的重要性系数；图5为本发明实施例提供的一种对B类水平井EUR的各影响因素对应的重要性系数；通过图4和图5可以看出A类水平井受地质因素的影响较大，B类水平井受压裂参数的影响较大。当主控压裂因素为3个时，A类水平井的主控压裂因素包括：裂缝间距、总砂量和总液量；B类水平井的主控压裂因素包括：施工排量、裂缝间距和总液量。

相应的，对于待压裂井来说，当确定待压裂井的预设类别后则可以确定对应的主控压裂因素，即将待压裂井对应的预设类别的主控压裂因素确定为待压裂井的主控压裂因素。例如，对于第一待压裂井，其属于A类水平井，则第一待压裂井的主控压裂因素为裂缝间距、总砂量和总液量。

通过上述方法可以确定待压裂井的主控压裂因素，进而可以有针对性的对压裂参数进行调整。

可选的，根据所述主控压裂因素，对所述初始压裂参数进行调整，生成所述待压裂井的多组备选压裂参数，包括：

控制所述待压裂井的初始压裂参数中的非主控压裂因素对应的参数不变，同时调整各个所述主控压裂因素对应的参数，以生成多组备选压裂参数。

在本实施例中，在确定主控压裂因素后，可以采用正交试验的方法生成多组备选压裂参数，具体的方法为：将压裂参数中非压裂因素对应的参数不变，控制压裂因素对应的参数改变。

例如，压裂参数的个数为7个，确定的主控压裂因素为3个，分别为裂缝间距、总砂量和总液量；则可以控制施工排量、平均砂比、前置液比例和水平段长不变，控制裂缝间距、总砂量和总液量在一定范围内改变。得到如表1所示的多组备选压裂参数。需要说明的是，表中仅示出了发生改变的3个参数，对于其余参数并未示出。

表1

通过上述方法可以得到多组备选压裂参数，仅对主控压裂因素进行调整具有简单有效的特点。

可选的，根据确定的估算最终可采储量确定最终的压裂参数，包括：

分别确定每组备选压裂参数对应的压裂投资；

根据每组备选压裂参数对应的估算最终可采储量和所述压裂投资从多组备选压裂参数中确定最终的压裂参数。

在本实施例中，在确定最终的压裂参数时，需要综合考虑压裂投资和估算最终可采储量，以得到最优的压裂参数。具体的，当压裂参数确定后，可以通过压裂投资的计算方法确定每一组备选压裂参数对应的压裂投资。对于每一备选压裂参数对应的估算最终可采储量，可以通过训练后的回归模型来得到，将待压裂井的地质数据和一组备选压裂参数输入回归模型，得到预测的最终可采储量。再基于每一组备选压裂参数对应的预测的最终可采储量和压裂投资确定最终的压裂参数。此处的压裂投资可以为压裂工程投资。

图6为本发明实施例提供的一种不同备选压裂参数下预测的最终可采储量与压裂工程投资的示意图，如图6所示，综合考虑最终可采储量与压裂工程投资，选择方案6对应的备选压裂参数，即裂缝间距为20m，总液量20000m³左右，总砂量为1000m³左右为最优施工参数组合，此时预测最终可采储量为64225t，在此压裂规模下的压裂投资为1213.5万元，符合投资限额要求。

此外，为了说明本申请的有益效果，还可以采用topaze试井软件对第一待压裂井进行最终可采储量的预测，其中预测的最终可采储量为58758t。由此可见，在此方案下的最终可采储量相较于原预测最终可采储量提高了9.3％。

通过综合考虑压裂投资和预测的最终可采储量，能够同时考虑产量与成本，使得确定的备选压裂参数能够产生最大的经济效益。

可选的，所述方法还包括：

判断获取的待压裂井的地质数据和初始压裂参数是否存在缺失值以及异常值，和/或，判断获取的多组已压裂井的地质数据和压裂参数是否存在缺失值以及异常值；当存在缺失值时，采用中位数或通过拉格朗日插值法确定的数值进行填补；当存在异常值时，接收用户重新输入的数值或者采用中位数或通过拉格朗日插值法确定的数值进行填补。

在本实施例中，为了提高压裂参数确定的准确性，需要对获取的待压裂井的地质数据和初始压裂参数进行预处理，以及对获取的多组已压裂井的地质数据和压裂参数进行预处理，对于不同数据的预处理方式相同，下面以待压裂井的地质数据为例进行说明。

在获取待压裂井的地质数据后，可以判断是否存在缺失值，以及还可以箱型图的方式判断是否存在异常值。当存在缺失值时，可以进一步确定缺失率，若缺失率小于预设缺失率时，可以采用中位数填补的方式进行处理，其中，中位数为现有的多个地质数据按顺序排列后的居于中间位置的数据。当缺失率大于预设缺失率时，可以通过拉格朗日插值法确定的数值进行填补，拉格朗日插值法是指基于非缺失的数据生成一个多项式，再基于多项式确定缺失值位置对应的数据。

当存在异常值时，可以判断异常值出现的原因，当由于数据输入错误导致时，可以重新接收用户输入的数据；对于其他异常数据可以采用缺失值的填补方式进行修改。

通过对缺失值和异常值的判断及处理，可以提高获取的数据的准确性，进而提高水平井的预设类别的划分以及待压裂水平井的目标类别的确定，进而提高确定的压裂参数的准确性。

图7为本发明实施例提供的压裂参数的确定装置的结构示意图。如图7所示，本实施例的压裂参数的确定装置70可以包括：获取模块701、目标类别确定模块702、主控压裂因素确定模块703和压裂参数确定模块704。

获取模块701，用于获取目标区块待压裂井的地质数据和初始压裂参数；

目标类别确定模块702，用于通过聚类算法根据所述地质数据和初始压裂参数确定所述待压裂井的目标类别；其中，所述目标类别为多个预设类别之一；所述预设类别是通过聚类算法根据所述目标区块中多组已压裂井的影响因素确定的；所述影响因素包括：地质数据和压裂参数；

主控压裂因素确定模块703，用于根据所述待压裂井的目标类别确定影响所述待压裂井的估算最终可采储量的主控压裂因素；所述主控压裂因素为压裂参数中的至少一个；

压裂参数确定模块704，用于根据所述主控压裂因素，对所述初始压裂参数进行调整，生成所述待压裂井的多组备选压裂参数，基于与所述目标类别对应的回归模型确定每组备选压裂参数对应的估算最终可采储量，根据确定的估算最终可采储量确定最终的压裂参数；其中，针对每一预设类别，所述回归模型表示估算最终可采储量与各个影响因素的对应关系。

可选的，所述装置还包括类别划分模块和训练模块；

所述类别划分模块，用于获取所述目标区块多组已压裂井的地质数据、压裂参数和估算最终可采储量，将所述多组已压裂井的地质数据和压裂参数进行PCA降维处理，通过K-means中心聚类算法根据PCA降维处理后的数据将所述目标区块划分为多个预设类别；

所述训练模块，用于针对每一预设类别，将属于所述预设类别的每组已压裂井的地质数据和压裂参数作为神经网络的输入，将对应的估算最终可采储量作为神经网络的输出，对所述神经网络进行训练直至所述神经网络的精度满足要求时，将训练后的神经网络确定为与所述预设类别对应的回归模型。

可选的，所述主控压裂因素确定模块703，还用于针对每一预设类别，通过随机森林算法确定影响所述估算最终可采储量的主控压裂因素；

所述主控压裂因素确定模块703在根据所述待压裂井的目标类别确定影响所述待压裂井的估算最终可采储量的主控压裂因素时，具体用于，将所述待压裂井的目标类别对应的主控压裂因素确定为影响所述待压裂井的估算最终可采储量的主控压裂因素。

可选的，所述压裂参数确定模块704在根据所述主控压裂因素，对所述初始压裂参数进行调整，生成所述待压裂井的多组备选压裂参数时，具体用于控制所述待压裂井的初始压裂参数中的非主控压裂因素对应的参数不变，同时调整各个所述主控压裂因素对应的参数，以生成多组备选压裂参数。

可选的，所述压裂参数确定模块704在根据确定的估算最终可采储量确定最终的压裂参数时，具体用于：

分别确定每组备选压裂参数对应的压裂投资；

根据每组备选压裂参数对应的估算最终可采储量和所述压裂投资从多组备选压裂参数中确定最终的压裂参数。

可选的，所述装置还包括预处理模块，用于判断获取的待压裂井的地质数据和初始压裂参数是否存在缺失值以及异常值，和/或，判断获取的多组已压裂井的地质数据和压裂参数是否存在缺失值以及异常值；当存在缺失值时，采用中位数或通过拉格朗日插值法确定的数值进行填补；当存在异常值时，接收用户重新输入的数值或者采用中位数或通过拉格朗日插值法确定的数值进行填补。

本发明实施例提供的压裂参数的确定装置，可以实现上述如图2至图6所示的实施例的压裂参数的确定方法，其实现原理和技术效果类似，此处不再赘述。

图8为本发明实施例提供的压裂参数的确定设备的硬件结构示意图。如图8所示，本实施例提供的压裂参数的确定设备80包括：至少一个处理器801和存储器802。其中，处理器801、存储器802通过总线803连接。

在具体实现过程中，至少一个处理器801执行所述存储器802存储的计算机执行指令，使得至少一个处理器801执行上述方法实施例中的压裂参数的确定方法。

处理器801的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述的图8所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。

总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的压裂参数的确定方法。

上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。

本申请一个实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如本申请图2至图6所对应的实施例中任意实施例提供的压裂参数的确定方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。