基于数值模拟与多种机器学习方法的韦州向斜煤层气井产能主控因素识别

《Energies》：Identification of Dominant Controlling Factors on Coalbed Methane Well Productivity in the Weizhou Syncline Based on Numerical Simulation and Multiple Machine Learning Methods Yupeng Wang, Shu Tao, Feilong Yu, Xiujun Ma, Xufeng Zheng and Chao Zhang

　　

摘要：为应对韦州向斜不同井区煤层气井显著的产能非均质性，以及地质与工程因素对产能各自贡献缺乏定量清晰认识的问题，研究人员基于研究区生产井地质资料、水力压裂施工参数及生产动态数据，对煤层气井的主要产能控制因素进行了系统分析。在此基础上，建立了煤储层-裂缝耦合数值模拟模型，以定量评估煤层气产能对关键地质参数（包括孔隙度、渗透率、煤层厚度和朗缪尔参数）以及裂缝几何与渗流参数的响应。此外，研究采用了多种机器学习方法对影响煤层气井产能的因素进行重要性排序与交叉验证。结果表明，在研究区代表性参数范围内，煤层厚度、渗透率和朗缪尔压力对累计产气量具有主导控制作用，构成了煤层气井产能的主控因素。裂缝数量和孔隙度为次级影响因素，而在多因素综合作用下，裂缝几何形态、裂缝渗流参数及储层压力对井产能的贡献相对有限。这些发现为韦州向斜及具有相似地质条件地区的有利目标优选、压裂参数优化及煤层气区块高效开发提供了定量依据和方法学参考。

**论文解读：韦州向斜煤层气井产能主控因素的综合识别与分析**

**一、 研究背景与意义**

随着全球能源需求的持续增长及能源结构向低碳、清洁化加速转型，天然气因其较低的碳排放和更高的燃烧效率，正逐步成为传统化石燃料的重要替代品。在此背景下，煤层气作为一种兼具能源属性与安全环保效益的非常规天然气资源，其高效开发利用对于推动中国天然气产业高质量发展、降低煤矿瓦斯事故率及改善城市空气质量具有重要的战略意义。从全球范围看，尽管美国、澳大利亚及中国等国已成功建立了商业化的煤层气开发体系，但近30年的商业开采历程中，全球煤层气产量总体增长相对缓慢。煤层气井产能受区域地质条件与工程因素共同控制，对其形成机制及主控因素的认识尚不充分，这在一定程度上制约了煤层气资源的高效开发。

煤层气井产能是煤层气资源开发潜力的直接指标，也是煤储层地质禀赋与工程技术水平的综合反映。系统识别与定量评价煤层气井产能的控制因素，对于优化开发方案、提高单井产量具有重要意义。目前，针对煤层气井产能主控因素的研究方法主要包括生产动态数据分析、数理统计分析与数值模拟。然而，现有研究仍存在局限性：多数研究聚焦于单一方法，缺乏不同分析手段间的交叉验证，导致主控因素识别结果的稳健性有待提升；部分数值模拟方法在应用时未能充分考虑煤层气渗流与吸附-解吸过程的物理约束，可能导致结果的可解释性不足。因此，针对韦州向斜煤层气井产能非均质性显著、主控因素贡献量化不清的问题，开展系统、多方法融合的研究，对于指导该区及类似地质条件区域的煤层气高效开发具有重要的理论与应用价值。

**二、 研究方法概述**

本研究以韦州向斜生产煤层气井为研究对象，采用耦合数值模拟与多种机器学习方法的技术路线，系统探究煤层气井产能的主控因素。首先，在明确研究区地质构造特征与煤储层参数分布的基础上，建立了煤储层-裂缝耦合数值模拟模型，分析了主要地质因素及水力压裂参数变化对煤层气井产能的影响规律。其次，引入多种机器学习方法对影响产气量的关键因素进行重要性排序，识别韦州向斜煤层气井产能的主控因素及其层级关系。

具体技术方法包括：
1. **地质建模与数值模拟**：基于研究区实际地质、生产及实验数据（包括压汞、核磁共振、等温吸附实验），利用CMG 2023.1软件构建了考虑煤层气吸附-解吸、扩散和渗流过程的三维数值模拟模型。模型采用结构化网格，对关键参数（如煤层厚度、渗透率、孔隙度、储层压力、朗缪尔压力及裂缝参数）在其实际变化范围内进行采样和模拟，并通过历史拟合（以WQ01井为例，累计产气量相对误差为0.91%）验证了模型的可靠性。
2. **机器学习方法**：为量化多因素耦合影响下的主控因素，研究采用了四种方法进行重要性分析与交叉验证：
* **灰色关联分析**：用于评估各影响因素序列与累计产气量参考序列发展趋势的相似性，计算灰色关联度。
* **随机森林**：通过构建多棵决策树，评估不同特征（影响因素）对预测累计产气量时节点不纯度减少的平均贡献。
* **XGBoost回归**：在梯度提升框架下，以特征在分裂节点时带来的目标函数增益累计值作为重要性度量。
* **LightGBM回归**：采用高效的梯度提升决策树算法，同样以特征分裂带来的增益作为重要性评价指标。

研究通过蒙特卡洛模拟在已知参数空间内随机采样，生成涵盖不同地质与工程条件的模拟样本数据集，用于后续的机器学习建模与分析。

**三、 研究结果分析**

**3.1 地质因素对产能的控制作用**
数值模拟结果表明，在给定参数范围内，各地质因素对累计产气量影响显著且机制不同：
* **煤层厚度**：累计产气量随煤层厚度增加（2 m至6 m）而显著增长（从306,691.93 m³增至869,309.75 m³），表明其直接控制资源规模与产能潜力。
* **渗透率**：提高渗透率（0.05 mD至0.15 mD）能显著提升累计产气量，并加速压力传播，扩大压降漏斗和煤层解吸区范围，是改善渗流能力的关键。
* **朗缪尔压力**：较高的朗缪尔压力意味着煤层的吸附气能力更强，在降压生产过程中能解吸出更多甲烷，有利于产能提升。
* **孔隙度**：孔隙度增加（7%至11%）与累计产气量呈正相关，主要通过提供更大储集空间和改善渗流通道连通性起作用。
* **储层压力**：初始储层压力升高（9.5 MPa至11.5 MPa）能显著增加累计产气量，因其通常对应更高的含气量、饱和度，并能提供更大的压降驱动力。

**3.2 水力压裂工程参数对产能的影响**
在低孔低渗储层条件下，水力压裂参数通过改变裂缝网络结构影响产能：
* **裂缝数量**：增加裂缝数量（1至5条）能大幅提升累计产气量，并显著加速储层压力传播，是提高储层有效改造体积和利用程度最敏感的工程参数。
* **裂缝半长**：在一定范围内（5 m至40 m）增加裂缝半长能有效提升产能，但当其接近储层供气边界时（50 m至60 m），产能增长速率明显下降，边际贡献减弱。
* **裂缝宽度与渗透率**：增加裂缝宽度和渗透率可降低气体在裂缝内的流动阻力，从而提升产能，但当裂缝渗透率超过一定阈值（2000-3000 mD）后，产能提升效果减弱，表明整体渗流能力逐渐受煤基质渗透率制约。
* **裂缝间距**：存在一个最优裂缝间距（研究中约为20 m），能使裂缝网络的空间覆盖率与渗流阻力达到动态平衡，从而最大化产能。间距过小或过大均会导致产能下降。

**3.3 基于多种机器学习方法的主控因素识别**
综合四种机器学习方法（GRA、RF、XGBoost、LightGBM）的分析结果，尽管各方法在重要性数值和部分排序细节上存在差异，但在识别主控因素方面表现出高度一致性：
* **主控因素**：**煤层厚度、渗透率和朗缪尔压力**在所有模型中均稳居前列，被确认为研究区煤层气井产能的**核心主控因素**。它们分别从资源规模、渗流能力和吸附-解吸特性三个根本层面制约着产能的长期潜力。
* **次级影响因素**：**裂缝数量和孔隙度**在多数模型中显示出中等重要性，被归类为**次级重要因素**。
* **次要调控参数**：裂缝几何参数（宽度、半长、间距）、裂缝渗透率及储层压力的综合贡献相对较低，属于第三层级的次要调控参数。

通过构建加权综合评价体系对多模型结果进行整合，进一步验证了上述主控因素层级划分的可靠性。该集成方法有效降低了单一模型可能带来的偏差，提高了主控因素识别的稳健性。

**四、 讨论与结论**

本研究通过耦合物理机制明确的数值模拟与多模型机器学习分析，系统识别并验证了韦州向斜煤层气井产能的主控因素。主要结论如下：

1. **地质因素是产能差异的根本**：数值模拟与机器学习分析一致表明，在研究区参数范围内，**煤层厚度、渗透率和朗缪尔压力**是控制累计产气量最显著的地质因素，构成了产能差异的**主要地质主控因素**。孔隙度和储层压力的独立贡献相对有限，其作用主要表现为与主控因素的协同调控。
2. **工程参数的优化需结合地质条件**：在给定地质背景下，**增加裂缝数量**是提升产能最有效的工程手段。而单纯增大裂缝半长、宽度、渗透率或调整间距，在超过一定阈值后其增产效果会出现边际递减。因此，工程参数的优化必须与关键地质主控因素（如煤层厚度、渗透率）的约束条件相结合进行综合评估。
3. **多方法融合提升识别可靠性**：灰色关联分析、随机森林、XGBoost和LightGBM的综合分析结果具有高度一致性。采用数值模拟与多模型机器学习耦合的分析框架，实现了对煤层气井产能主控因素的多方法相互验证与分层识别，提高了复杂构造区产能主控因素研究的科学性与可靠性。

本研究提出的集成分析框架具有较强的方法普适性，可为韦州向斜及地质条件相似区域的有利目标优选、压裂参数优化及高效开发决策提供定量依据与方法参考。需要注意的是，本研究的主控因素识别结果是在研究区特定地质条件与参数范围内得出的，当推广至其他构造单元或不同煤阶的煤层气储层时，其适用性需结合区域数据进行重新校准与验证。