数据驱动的压裂设计优化模型：第二部分——反问题

我们描述了一种基于 Ridge Regression 与 CatBoost 算法组合的堆叠模型，用于预测具有多级压裂完井的油井的累计产液量。该模型基于包含油藏、井筒与压裂设计参数的扩展数字化油田数据库开发。该数据库目前包含来自俄罗斯西西伯利亚 23 个油田的超过 5000 口井，共计 6687 次压裂作业。从表征每口井的 387 个参数（包括井身结构、储层性质、压裂设计特征与产量）出发，我们最终得到 38 个关键参数，用作模型训练过程中每口井的输入特征。该模型展示了目标变量对设计参数（级数、支撑剂质量、平均与最终支撑剂浓度以及排量）在物理上可解释的依赖关系图。我们开发了一组方法，包括基于欧氏距离与聚类技术的方法，用于执行相似（邻井）井搜索，这有助于现场工程师分析相似井先前的压裂处理。这些方法也被调整用于获取特定试验井的优化参数边界，作为该方法现场测试活动的一部分。一个反问题（选择一组最优压裂设计参数以最大化产量）被表述为在边界约束下优化一个高维黑箱近似函数，并使用四种不同优化方法求解：基于代理模型的优化、序列最小二乘规划、粒子群优化与差分进化。一个包含上述所有方法的推荐系统被设计用于为增产工程师提供优化压裂设计的建议。