天然裂缝性页岩气藏水平井间距与水力压裂段布置混合代理辅助集成优化

水平井钻井和水力压裂是页岩储层商业化开发最常用的技术。然而，昂贵的生产策略仍在实施，导致投资风险较高。水平井间距和水力压裂段位置的综合优化有助于在产气量和经济效益之间取得平衡。以往的研究严重依赖于计算代价高昂的数值模拟模型。本文提出了一种新的基于传递叠加的混合代理辅助页岩气水平井间距和水力裂缝段布置多目标优化方法(SATS-WSF)，以减轻数值模拟模型运行的计算负担。在SATS-WSF方法中，高斯过程回归(Gaussian Process Regression, GPR)、径向基函数网络(Radial Basis Function Network, RBFN)和支持向量回归(Support Vector Regression, SVR)三种被广泛使用的机器学习模型被用来作为源任务来逼近数值模拟模型。然后，采用混合代理模型将三个源任务转移到计算昂贵的数值模拟模型中，指导页岩气水平井井距和水力裂缝阶段布置的优化过程。此外，采用有希望和不确定两种采样填充策略来加速搜索过程，提高最终最优解的质量。在此基础上，基于Barnett页岩气藏储层特征，采用2个不同井和裂缝类型的实例验证了SATS-WSF方法的有效性和高效性。该方法为页岩气井空间及压裂方案的高效决策提供了一种智能方法。