(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211286097.8 (22)申请日 2022.10.20 (71)申请人 中国地质大 学 （北京） 地址 100083 北京市海淀区学院路2 9号 (72)发明人 孙骞　李治平　赖枫鹏　 (74)专利代理 机构 北京恒律知识产权代理有限 公司 11416 专利代理师 张琳丽 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/14(2020.01) (54)发明名称 基于集合卡尔曼滤波法的水力裂缝形态反 演方法及系统 (57)摘要 本发明涉及一种基于集合卡尔曼滤波法的 水力裂缝形态反演方法及系统， 包括： 对压裂段 附近储层的岩石力学性质进行实时取样， 得到岩 石力学性质样本集； 依据岩石力学性质样本集得 到水力压裂工艺设计参数样本集； 将岩石力学性 质样本集和水力压裂工艺设计参数样本集输入 至裂缝扩展机器学习模型中， 得出裂缝扩展预测 状态； 根据裂缝扩展预测状态， 实时观测数据结 合集合卡尔曼滤波法得出裂缝扩展更新状态。 通 过融合人工智能专家系统与EnKF算法， 以及通过 分析水平井多段压裂过程中的实时工程响应参 数， 实现水力裂缝形态的实时反演。 权利要求书2页 说明书7页 附图2页 CN 115526114 A 2022.12.27 CN 115526114 A 1.一种基于集 合卡尔曼滤波法的水力裂缝 形态反演方法， 其特 征在于， 包括： 对压裂段附近储层的岩石力学性质进行实时取样， 得到k时刻岩石力学性质样本集； 依据k时刻所述岩石力学性质样本集中的每一样本设置水力 压裂工艺设计参数， 得到k 时刻水力压裂工艺设计参数样本集； 将k时刻所述岩石力学性质样本集和k时刻所述水力压裂工艺设计参数样本集作为输 入样本集并输入至裂缝扩展机器学习模型中， 得出所述输入样本集中每一输入样本的k+1 时刻裂缝扩展 预测状态； 一个岩石力学性质样本和对应的一个水力压裂工艺设计参数样本 构成所述输入样本集中一个输入样本； 根据k+1时刻 所述裂缝扩展预测状态， k+1时刻的压裂时的井头和井底压力观测数据结 合集合卡尔曼滤波法得 出k+1时刻裂缝扩展更新状态； 令k＝k+1， 并返回步骤 “将k时刻所述岩石力学性质样本集和k时刻所述水力压裂工艺 设计参数样本集作为输入样本集并输入至裂缝扩展机器学习模型中 ”， 直至所述压裂段完 成压裂。 2.根据权利要求1所述的反演方法， 其特征在于， 所述岩石力学性质包括岩石的杨氏模 量、 岩石的泊松比和岩石抗压强度。 3.根据权利要求1所述的反演方法， 其特征在于， 所述水力 压裂工艺设计参数包括泵压 力、 支撑剂浓度、 液体注入流 量。 4.根据权利要求1所述的反演方法， 其特征在于， 计算所述输入样本集中每一输入样本 的k+1时刻裂缝扩展预测状态的表达式为： 式中， 表示第j个输入样本k+1时刻的裂缝扩展预测状态； 表示第j个输入样本 k时刻的裂缝扩展更新状态； εk+1,j表示k+1时刻裂缝扩展机器学习模型M对第j个输入样本的 预测误差； Ne表示输入样本数量。 5.根据权利要求4所述的反演方法， 其特征在于， 所述根据k+1时刻所述裂缝扩展预测 状态， k+1时刻的压裂时的井头和井底压力观测数据结合集合卡尔曼滤波法得出k+1时刻裂 缝扩展更新状态， 具体包括： 计算k+1时刻所述裂缝扩展预测状态的均值， 并根据所述均值计算协方差； 根据所述协方差计算 k+1时刻的卡尔曼增益矩阵； 利用k+1时刻的所述卡尔曼增益矩阵和k+1时刻 所述裂缝扩展预测状态以及k+1时刻的 压裂时的井头和井底压力观测数据计算 k+1时刻的所述裂缝扩展更新状态。 6.根据权利要求5所述的反演方法， 其特 征在于， 所述均值的计算公式为： 所述协方差的计算公式为： 权　利　要　求　书 1/2 页 2 CN 115526114 A 2所述卡尔曼增益的计算公式为： Kk+1＝Ck+1HT(HCk+1HT+R)‑1 所述裂缝扩展更新状态的计算公式为： 式中， 表示均值； Ck+1表示协方差； Kk+1表示卡尔曼增益； H表示变化矩阵； R表示k+1时 刻观测数据误差的协方差； T表示转置， dk+1表示k+1时刻的井头和井底压力实时观测数据； 表示k+1时刻第j个输入样本的裂缝扩展更新状态。 7.根据权利要求1所述的反演方法， 其特征在于， 所述根据k+1时刻所述裂缝扩展预测 状态， k+1时刻的压裂时的井头和井底压力观测数据结合集合卡尔曼滤波法得出k+1时刻裂 缝扩展更新状态之前包括： 对k+1时刻 所述裂缝扩展预测状态进行行正态性检验， 判断所述k+1时刻所述裂缝扩展 预测状态是否为高斯分布； 若是， 则计算 k+1时刻裂缝扩展更新状态； 若否， 则将k+1时刻所述裂缝扩展预测状态调整为高斯分布。 8.一种基于 权利要求1至7任一项所述的方法的系统， 其特 征在于， 包括： 岩石力学性质样本集构建模块， 用于对压裂段附近储层的岩石力学性质进行实时取 样， 得到k时刻岩石力学性质样本集； 水力压裂工艺设计参数样本集构建模块， 用于依据k时刻所述岩石力学性质样本集中 的每一样本设置水力压裂工艺设计参数， 得到k时刻水力压裂工艺设计参数样本集； 预测模块， 用于将k 时刻所述岩石力学性质样本集和k 时刻所述水力 压裂工艺设计参数 样本集作为输入样本集并输入至裂缝扩展机器学习模型中， 得出所述输入样本集中每一输 入样本的k+1时刻裂缝扩展预测状态； 一个岩石力学性质样本和对应的一个水力压裂工艺 设计参数样本构成所述输入样本集中一个输入样本； 更新模块， 用于根据k+1时刻所述裂缝扩展预测状态， k+1时刻的压裂时的井头和井底 压力观测数据结合 集合卡尔曼滤波法得 出k+1时刻裂缝扩展更新状态； 循环模块， 用于令k＝k+1， 并返回步骤 “将k时刻所述岩石力学性质样本集和k时刻 所述 水力压裂工艺设计参数样本集作为输入样本集并输入至裂缝扩展机器学习模型中 ”， 直至 所述压裂段完成压裂。 9.根据权利要求8所述的系统， 其特征在于， 所述岩石力学性质包括岩石的杨氏模量、 岩石的泊松比和岩石抗压强度。 10.根据权利要求8所述的系统， 其特征在于， 所述水力 压裂工艺设计参数包括泵压力、 支撑剂浓度、 液体注入流 量。权　利　要　求　书 2/2 页 3 CN 115526114 A 3