冯 震，任宗孝，徐建平，韩忠霞，余坚强

（1.西安石油大学石油工程学院，陕西西安 710065；2.中国石化集团中原石油勘探局有限公司钻采社会服务中心，河南濮阳 457001；3.长城钻探钻井三公司，辽宁盘锦 124010）

非常规油气藏是常规能源有效的接替资源，是全球油气供应可持续发展的能源保证。但由于非常规油气藏特殊的地质条件及大规模压裂工艺的实施导致储层出现多种跨尺度渗流介质，使得油气藏渗流规律异常复杂，传统方法很难准确预测非常规油气藏产能。此外，非常规油气藏的开发和生产过程中产生了大量的数据，如何合理有效利用这些数据建立数据驱动的生产性能统计方法也是目前亟待解决的问题。本文就以上问题调研了基于大数据分析（Big Data Analysis）建立产能递减模型进行开发效果预测的方法。

1 产能模型的介绍

通过调研可知，非常规油气藏产能预测模型方法主要分为三类：（1）机理模型产能预测方法；（2）递减曲线产能预测方法；（3）基于大数据的产能预测方法。

机理模型产能预测方法是在一定假设的基础上建立的，不能完全反映真实地层渗流规律及油气井产能大小。递减曲线预测方法往往假定递减率为常数，但实际开发过程中递减率是随时间变化的变量。基于大数据的产能预测方法多使用递减曲线分析方法和机器学习方法（ML），考虑非常规油气藏地质数据、工程数据及生产数据，可揭示众多参数对油气井产能的影响规律。大数据分析方法对勘探开发过程中的原始数据进行计算，不存在任何机理和模型假设。……