崔博宇,董易凡，杨圣方，刘博卿

中国石油长庆油田苏里格南作业分公司（陕西 西安 710018)

0 引言

水力压裂优化是一项包含岩石力学、流体力学、工程学和数据科学等多方面学科的复杂课题[1]。鉴于苏里格南的大规模、工厂化作业模式产生了超过1 300 个层位的优质压裂数据。其大数据量的特点不仅为机器学习提供了“原材料”，而且变量少的特点又减轻了机器学习的工作量，因此理论上存在基于机器学习进行压裂优化的可能性。数据预处理和建模分析等机器学习均是应用Python 语言[2]完成。

基于机器学习的压裂优化设计思路：将压后产量假设作为储层储能和压裂作业两项自变量相互作用的因变量表现。通过机器学习分析这三项历史数据，建立数据模型[3]，从而在一定条件下通过优化压裂施工参数，增加提高压后产能的可能性。

1 数据预处理

本次研究的数据预处理包括从收集的1 347 个层位数据中去除了不具有代表性、数据量过少的层位（盒7 和山2）和压裂方式（水平井压裂和Hi-Way压裂）。处理后的1 219 个层位数据包括659 个盒8层位和560个山1层位的井丛井压裂。

1.1 储层数据信息

1.1.1 垂深对比

通过数据分析及综合比较发现盒8层位的储层深度要比山1 层位浅。其中盒8 层位的垂深主要集中在（3 500±70）m。山1 层位的垂深主要集中在（3 570±70）m。

1.1.2 孔隙度

综合比较盒8 层位和山1 层位的孔隙度，数值近似相等，且分布集中。盒8 层位的孔隙度主要集中在7.0%±1.6%。山1 层位的孔隙度主要集中在6.7%±1.4%。

在东莞石排镇产业现有资源的基础上，建立东莞石排镇各类企业之间的密切联系，形成企业的核心价值。……