基于BP網絡分析大牛地氣田山西組氣井壓裂效果影響因素

戰永平 付春麗 段曉飛，溫慶志，李松巖

(中國石油大學(華東)石油工程學院，山東 青島 266555) (中國石油集團海洋工程有限公司，山東 青島 266555) (中國石油大學(華東)石油工程學院，山東 青島 266555)

基于BP網絡分析大牛地氣田山西組氣井壓裂效果影響因素

戰永平 付春麗 段曉飛，溫慶志，李松巖

(中國石油大學(華東)石油工程學院，山東 青島 266555) (中國石油集團海洋工程有限公司，山東 青島 266555) (中國石油大學(華東)石油工程學院，山東 青島 266555)

影響大牛地氣田山西組氣井壓裂效果的因素繁多，且之間的關系十分復雜。利用高精度擬合的BP網絡預測模型，獲得了壓裂效果影響因素的影響程度如下：泥質體積分數(13.30%)、加砂強度(9.47%)、含氣飽和度(8.12%)、砂體厚度(8.12%)。運用BP網絡分析結果優選2口井進行壓裂增產，增產效果分別為61.09%、59.75%，表明BP網絡分析計算結果可為壓裂井層的優選、壓裂施工設計與優化提供了可靠的依據。

氣井壓裂；泥質體積分數；加砂強度；含氣飽和度；砂體厚度；BP網絡

大牛地氣田為上古生界砂巖氣藏，埋深2400～2900m，具有石盒子組、山西組、太原組3套氣層，平均孔隙度8.46%，平均滲透率0.78mD，屬于致密砂巖氣藏，自然產能低甚至無自然產能，需壓裂投產。其山西組氣藏有18口井無阻流量大于5×104m3/d，占比10.52%；48口井無阻流量不到1×104m3/d，占比28.07%；105口井無阻流量為1×104～5×104m3/d，占比61.41%；無阻流量相對較低的井占比較大，合計占比89.48%。為改善氣井的壓裂改造效果以提高山西組整體產氣量，探討壓裂效果的影響因素具有重要的現實意義。

在壓裂增產過程中，油氣井的壓裂效果受地質和工程兩大類因素共同影響[1～3]，各因素與壓裂效果之間存在著一種復雜的非線性函數關系[4～6]。人工神經網絡是近幾年發展起來的人工智能新技術，具有無限逼近任意非線性的能力以及解決問題時的靈活性和自適應性[7～10]，特別適合解決復雜非線性問題，在石油行業得到廣泛應用[11，12]。筆者以大牛地氣田山西組氣層的測井、氣藏、工程參數以及壓后無阻流量等資料為樣本進行BP網絡的訓練，建立高精度擬合BP網絡預測模型，仿真計算各因素同幅度調整后的無阻流量變化率，計算出各因素對壓裂效果的影響程度，為后續壓裂井層的優選、壓裂施工設計與優化提供依據和指導。

1 壓裂效果影響因素統計分析

影響山西組氣藏壓裂效果的因素有很多：自然伽馬、儲層電阻率、聲波時差、補償中子孔隙度、補償密度、泥質體積分數、有效厚度、砂體厚度、孔隙度、滲透率、含氣飽和度、排量、注液強度(單位厚度的液量)、加砂強度(單位厚度的加砂量)、砂比、注氮強度(單位厚度的液氮量)等。為研究無阻流量與各因素之間的依存關系，將山西組氣井按產量高低分成高產井、中產井、低產井、無效井4類，以每類井各因素的平均指標來分析其與壓裂效果相關程度。由于各因素相互關聯，籠統的統計分析效果不理想。因此，根據各因素本身的特點，將上述16個參數分為測井參數、氣藏參數、工程參數3大類。

1.1測井參數的影響統計分析

由表1統計分析，大牛地氣田山西組氣藏的壓裂效果與儲層電阻率、補償中子孔隙度、泥質體積分數相關程度高，儲層電阻率越大，補償中子孔隙度越小，泥質體積分數越低，壓后產量相對較高。因此，壓裂選井選層時，應把儲層電阻率、泥質體積分數、補償中子孔隙度作為重要測井參數來考慮。

表1 測井參數與壓裂效果的關系

1.2氣藏參數的影響統計分析

由表2統計分析可知，大牛地氣田山西組氣藏的壓裂效果與含氣飽和度相關程度高，含氣飽和度越高，壓后產量相對較高。無效井的有效厚度、砂體厚度、孔隙度、滲透率明顯低。因此，壓裂選井選層時，應把含氣飽和度作為首要氣藏參數，有效厚度、砂體厚度、滲透率、孔隙度作為輔助參數。

表2 氣藏參數與壓裂效果的關系

1.3工程參數的影響統計分析

由表3統計分析，大牛地氣田山西組氣藏的壓裂效果與排量、注氮強度相關程度高，施工排量越高，注氮強度越低，壓后產量相對較高。排量大，因縫內砂的堤峰后移增大有效支撐縫長，而獲得較好的壓裂效果，注氮強度與壓裂效果的關系卻與理論相悖，說明工程參數不是影響壓裂效果的主要因素。因此，壓裂選井選層應以測井參數、氣藏參數作為主要因素，而施工參數可根據實際情況進行優化。

表3 工程參數與壓裂效果的關系

2 BP網絡分析

通過以上統計分析，發現影響山西組氣藏壓裂效果的因素有很多，且其間關系極其復雜，甚至出現與理論相悖的現象。這些單一因素的統計分析容易混淆和掩蓋事物的本質，造成對山西組氣田壓裂效果分析與評價的局限性。在優選壓裂井層、優化壓裂施工設計時分不清主次順序，無法形成明確的概念。

山西組氣田開發過程中積累了豐富的壓裂生產數據，且壓裂效果與各影響因素之間存在著復雜的非線性函數關系。為此，利用具有無限逼近任意非線性能力，特別適合解決非線性問題的BP人工神經網絡技術分析它們之間的依存關系，為后續壓裂井層的優選、壓裂施工設計與優化提供依據和指導。

2.1BP神經網絡建立

BP(Back Propagation)網絡是誤差逆傳播網絡簡稱[13]，以歸一化的20口井的壓后無阻流量為硬數據，以歸一化的測井參數、氣藏參數、工程參數等16個影響因素為輸入量，以“tansig”作為隱含層傳遞函數，以“logsig”作為輸出層傳遞函數，以“trainlm”作為訓練函數，以“mse”作為性能函數，訓練BP網絡。BP網絡的精度很大程度上取決于隱含層神經元的數目是否合適，而目前沒有通用的理論確定其數目。因此，采用試湊法確定其數目，訓練時，迭代次數設置為800，目標精度設置為1×10-7，通過大量的重復訓練確定誤差最小時的隱含層數目為11，建立16×11×1的BP神經網絡模型。利用反歸一化的仿真無阻流量的誤差Ei、均方根誤差函數(公式(1))檢驗網絡模型的精度。通過計算，最大誤差為3.15%，均方根誤差為1.51%，說明建立的16×11×1的BP神經網絡模型精度高，可靠。

(1)

式中：Ei為BP網絡仿真計算的任意井的無阻流量與真實無阻流量之差除以真實無阻流量所得的值，%；n為樣本井數；σ為標準偏差，%。

2.2各因素影響程度分析

運用訓練后的BP網絡模型仿真計算各因素下調15%幅度時的反歸一化后無阻流量的變化率，運用公式(2)計算出各因素影響程度E，結果見表4。

(2)

表4 各因素對壓裂效果影響程度計算及排序

圖1 壓裂效果影響因素整體分析

從整體情況(圖1)來分析，山西組氣井壓裂效果影響因素按影響程度大小依次是：測井參數(49.49%)、工程參數(25.47%)、氣藏參數(25.03%)。這是因為測井資料表征儲層巖性、物性、含氣性的綜合特性，而工程參數只是壓裂施工狀況的反映，氣藏參數主要表征儲層砂巖的儲氣和滲流特性。測井參數的變化會引起儲層發生多方面的變化，故其影響程度較明顯。因此，壓裂選井選層時，應首要分析儲層的測井參數，選擇測井綜合解釋較好的儲層進行壓裂，再根據氣藏參數優化壓裂施工參數，提高山西組氣藏的壓裂改造效果。

為給后續選井選層提供切實可行的理論依據，對表4中各類因素的單一因素進行排序，找出其主要影響因素。分析發現，測井參數中泥質體積分數為其主要影響因素，其無阻流量變化率為17.7%，影響程度為13.3%。氣藏參數中的含氣飽和度、砂體厚度為其主要影響因素，其無阻流量變化率分別為10.77%，10.76%，影響程度均為8.12%；工程參數中的加砂強度為其主要影響因素，其無阻流量變化率為12.64%，影響程度為9.47%。泥質體積分數從2個方面影響壓裂效果：一是影響儲層的巖石性質，泥質體積分數越高，其儲層中砂巖含量相對較低，從而降低儲層砂巖的儲氣能力和滲透能力；二是壓裂過程中易引起壓裂液的二次傷害。含氣飽和度、砂體厚度是表征儲層儲氣能力參數，含氣飽和度越大、砂體有效厚度越厚，人工裂縫可連通的氣量就越充足，產量也就相對越高。加砂強度可表征填砂裂縫的幾何參數，反映人工裂縫的導流能力，其強度越強，則允許氣體通過的能力就越強，流動阻力就越小，產量也就相對越高。

因此，在對山西組氣井進行壓裂改造開發時，在充分考慮測井參數的基礎上，應選擇泥質體積分數少、含氣飽和度高、砂體厚度大的層位充分開發，同時施工過程中在不發生砂堵的前提下盡可能提高壓裂目的層的加砂強度，增大油氣的滲流能力，提高壓裂開發效果。

3 現場應用效果

大牛地氣田山西組泥質體積分數平均為13.31%，生產層的平均砂體厚度為16.09m，含氣飽和度平均為54.74%；加砂強度平均為8.08t/m；平均無阻流量為1.5772×104m3/d。根據BP網絡分析結果，影響山西組氣井壓裂效果的主要因素為泥質體積分數、含氣飽和度、砂體厚度、加砂強度。因此，根據山西組的測井資料、物性分析資料，選取2口泥質體積分數小于13.31%、含氣飽和度高于54.74%、砂體厚度大于16.09m的典型井層位進行壓裂，以不發生砂堵的砂比使加砂強度達到8.08t/m以上，典型井的主要選取參數及壓后無阻產量的對比數據如表5所示。

表5 典型井主要選取參數及壓后無阻流量對比數據

注：標準差1是X-1井的數據與平均值之差；標準差2是X-2井的數據與平均值之差。

由表5可知，根據BP網絡分析計算各因素影響程度的結果，選取的山西組2口典型井的無阻流量均高于平均無阻流量，增產效果達到約60%左右，增產效果明顯。現場應用效果表明，BP網絡分析計算各因素影響程度的結果可為壓裂井層的優選、壓裂施工設計與優化提供可靠的依據。

4 結論

1)依據大牛地氣田山西組測井、氣藏及工程參數資料，統計分析表明，測井參數、氣藏參數、工程參數對壓裂效果均有不同程度的影響。

2)構建的BP人工神經網絡模型誤差小，精度高，且可靠。應用該網絡模型對各類因素的每一個因素的分析表明，影響山西組氣井壓裂效果主要因素為泥質體積分數、含氣飽和度、砂體厚度、加砂強度。

3)基于BP網絡分析計算結果，山西組氣井壓裂改造開發時，應盡可能選擇泥質體積分數少、含氣飽和度高、砂體厚度大的井層位進行壓裂，同時壓裂施工時在不發生砂堵的條件下盡可能提高壓裂目的層的加砂強度。現場應用效果表明，BP網絡分析計算結果可對壓裂井層的優選、壓裂施工設計與優化提供了可靠的依據。

[1]李文學，馬新仿，王研. 水力壓裂效果影響因素的多元線性回歸分析[J]. 科學技術與工程，2011，11(29)：7245～7247.

[2]李春月，張士誠，馬新仿．多元回歸與模糊識別相結合優選重復壓裂井[J]. 內蒙古石油化工，2010， 10(3)：132～133.

[3]謝潤成，周文，李良. 鄂爾多斯盆地大牛地上古生界氣藏壓裂效果分析[J].天然氣工業，2004，24(12)：71～73.

[4]曲占慶，黃德勝，毛登周，等. 基于灰色關聯法的低滲氣藏壓裂效果影響因素分析[J].西北大學學報(自然科學版)，2014，44(4)：603～609.

[5]楊德興，楊焦生，張震濤．壓裂氣井產能影響因素研究[J].鉆采工藝，2010，33( 4) : 32～35．

[6] 孫東生，王紅才，侯默，等. 影響水力壓裂效果的因素及人工神經網絡評價[J]. 地質力學學報，2006，12(4)：485～491.

[7]馮立，馮其紅，張雷，等. 油井壓裂效果預測方法研究[J]. 石油鉆采工藝，2008，30(1)：76～79.

[8]傅薈璇，趙紅. Matlab 神經網絡應用設計[M] . 北京: 機械工業出版社，2010: 94～95.

[9]紀天亮，盧雙舫，唐明明，等. 致密油藏水平井壓裂后產能預測方法[J]. 大慶石油地質與開發，2016，35(2)：165～169.

[10]劉鵬飛，文開豐，高君微，等. BP神經網絡技術在神木氣田水平井產能預測中的應用[J]. 石油化工應用，2016，35(5)：64～68.

[11]連承波，李漢林，渠芳，等. 基于測井資料的BP 神經網絡模型在孔隙度定量預測中的應用[J].天然氣地球科學，2006，17 (3)：382～384.

[12]周金應，桂碧雯，李茂，等. 基于巖控的人工神經網絡在滲透率預測中的應用[J]. 石油學報，2010，31 (6)：311～318.

[13] 韓立群. 人工神經網絡教程[M]. 北京：北京郵電大學出版社，2006：58～80.

[編輯] 黃鸝

TE375

A

1673-1409(2017)19-0085-05

2016-06-10

國家自然科學基金項目(51304229)；中國石油大學(華東)精品實驗建設項目(JS201402)。

戰永平(1982-)，男，碩士，實驗師，從事低滲透油氣藏增產機理方面的教學和科研工作，zhanyongping@upc.edu.cn。

[引著格式]戰永平,付春麗,段曉飛，等.基于BP網絡分析大牛地氣田山西組氣井壓裂效果影響因素[J].長江大學學報(自科版), 2017,14(19):85～89.