注水与采油井关系模型获得方法及产量和注水量确定方法与流程

本发明涉及化石燃料生产领域，尤其涉及注水与采油井关系模型获得方法及产量和注水量确定方法。

背景技术：

油田注水开发是油田生产中后期储层压力下降后，为弥补原油采出后造成的地下亏空，维持油井产油量的一种最为普遍的开发方式。油田注水开发的方式为：将合格的水注入注水井，注水井将注入水导入地下储层，注入水将地下储层中的原油进行驱替。由采油井将注入水及注入水携带的原油共同采出地面。

可见，油田注水开发的关键是通过注水井与采油井的配合，了解注水井与采油井之间的关系对最大程度驱替注水井与采油井之间储层中的原油尤为重要。由于无法用肉眼实际观察和识别地下流体的移动情况，因此现有技术一般通过示踪剂与井间干扰测试这两种方式来间接分析确定注水井与采油井之间的关系。

但两种方式的检测过程较为复杂，无法实现高频率的监测。

技术实现要素：

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的注水与采油井关系模型获得方法及产量和注水量确定方法，方案如下：

一种注水井与采油井关系模型获得方法，包括：

获得历史时间段内第一油气田开发区块内各注水井的工作参数及各注水井所在的生产层位，获得所述历史时间段内所述第一油气田开发区块内各采油井的工作参数及各采油井所在的生产层位，其中，所述各注水井的工作参数至少包括：注水量，所述各采油井的工作参数至少包括：产量；

将各所述工作参数作为训练数据，将所述生产层位相同作为约束条件，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得所述第一油气田开发区块的注水井与采油井关系模型，所述注水井与采油井关系模型的输入参数包括：所述注水量或所述产量；在所述注水井与采油井关系模型的输入参数包括所述注水量时，所述注水井与采油井关系模型的输出参数包括：所述产量；在所述注水井与采油井关系模型的输入参数包括所述产量时，所述注水井与采油井关系模型的输出参数包括：所述注水量。

可选的，所述注水井的工作参数还包括：生产时间、油压和套压中的至少一种；和/或，所述采油井的工作参数还包括：生产时间、含水率、油压、套压和动液面高度中的至少一种。

可选的，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习后还获得：所述第一油气田开发区块中同一生产层位的注水井的工作参数对采油井的工作参数的影响权重。

一种采油井产量确定方法，包括：

获得第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

将获得的各计划注水量输入上述的任一种注水井与采油井关系模型获得方法获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可选的，还包括：

调整所述第一时间段内所述第一油气田开发区块内至少一个注水井的计划注水量；

将调整后的计划注水量输入上述的任一种注水井与采油井关系模型获得方法获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可选的，还包括：

确定所述注水井与采油井关系模型在输出的产量中满足预设条件的产量；

将确定的产量对应的输入所述注水井与采油井关系模型中的计划注水量输出。

可选的，将获得的各计划注水量输入注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量，包括：

将获得的各计划注水量输入注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型根据获得的影响权重和各计划注水量所确定并输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

一种注水井注水量确定方法，包括：

获得第一时间段内第一油气田开发区块内至少一个采油井的计划产量；

将获得的各计划产量输入上述的任一种注水井与采油井关系模型获得方法获得的所述注水井与采油井关系模型中，获得所述注水井与采油井关系模型输出的所述第一时间段内所述第一油气田开发区块内至少一个注水井的注水量。

一种注水井与采油井关系模型获得装置，包括：参数获得单元和学习单元，

所述参数获得单元，用于获得历史时间段内第一油气田开发区块内各注水井的工作参数及各注水井所在的生产层位，获得所述历史时间段内所述第一油气田开发区块内各采油井的工作参数及各采油井所在的生产层位，其中，所述各注水井的工作参数至少包括：注水量，所述各采油井的工作参数至少包括：产量；

所述学习单元，用于将各所述工作参数作为训练数据，将所述生产层位相同作为约束条件，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得所述第一油气田开发区块的注水井与采油井关系模型，所述注水井与采油井关系模型的输入参数包括：所述注水量或所述产量；在所述注水井与采油井关系模型的输入参数包括所述注水量时，所述注水井与采油井关系模型的输出参数包括：所述产量；在所述注水井与采油井关系模型的输入参数包括所述产量时，所述注水井与采油井关系模型的输出参数包括：所述注水量。

一种采油井产量确定装置，包括：第一注水量获得单元和第一产量获得单元，

所述第一注水量获得单元，用于获得第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

所述第一产量获得单元，用于将获得的各计划注水量输入上述注水井与采油井关系模型获得装置获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

一种注水井注水量确定装置，包括：第二产量获得单元和第二注水量获得单元，

所述第二产量获得单元，用于获得第一时间段内第一油气田开发区块内至少一个采油井的计划产量；

所述第二注水量获得单元，用于将获得的各计划产量输入上述注水井与采油井关系模型获得装置获得的所述注水井与采油井关系模型中，获得所述注水井与采油井关系模型输出的所述第一时间段内所述第一油气田开发区块内至少一个注水井的注水量。

一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行上述的注水井与采油井关系模型获得方法，或者，在所述程序运行时控制所述存储介质所在的设备执行上述的采油井产量确定方法，或者，在所述程序运行时控制所述存储介质所在的设备执行上述的注水井注水量确定方法。

一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的注水井与采油井关系模型获得方法，或者，所述程序运行时执行上述的采油井产量确定方法，或者，所述程序运行时执行上述的注水井注水量确定方法。

借由上述技术方案，本发明提供的一种注水与采油井关系模型获得方法及产量和注水量确定方法，可以获得历史时间段内第一油气田开发区块内各注水井的工作参数及生产层位、各采油井的工作参数及生产层位，将各工作参数作为训练数据，将生产层位相同作为约束条件，对训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得第一油气田开发区块的注水井与采油井关系模型。本发明实施例通过对历史时间段内工作参数的机器学习建立了注水井与采油井关系模型，由于该模型体现了各注水井工作参数与各采油井工作参数的关系，因此本发明可以直接使用该模型确定采油井产量或注水井的注水量，简单方便。当注水井或采油井的工作参数变化时，本发明可以及时根据新的参数进行机器学习，以改进注水井与采油井关系模型，本发明实现了注水井与采油井关系的高频率监测。由于本发明的注水井与采油井关系模型可以及时跟随注水井及采油井工作参数的变化而变化，因此本发明可以根据注水井与采油井关系模型获得更为准确的采油井的产量。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种注水井与采油井关系模型获得方法的流程图；

图2示出了本发明实施例提供的一种采油井产量确定方法的流程图；

图3示出了本发明实施例提供的另一种采油井产量确定方法的流程图；

图4示出了本发明实施例提供的另一种采油井产量确定方法的流程图；

图5示出了本发明实施例提供的一种注水井注水量确定方法的流程图；

图6示出了本发明实施例提供的一种注水井与采油井关系模型获得装置的结构示意图；

图7示出了本发明实施例提供的一种采油井产量确定装置的结构示意图；

图8示出了本发明实施例提供的另一种采油井产量确定装置的结构示意图；

图9示出了本发明实施例提供的另一种采油井产量确定装置的结构示意图；

图10示出了本发明实施例提供的一种注水井注水量确定装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本发明实施例提供的一种注水井与采油井关系模型获得方法，可以包括：

s100、获得历史时间段内第一油气田开发区块内各注水井的工作参数及各注水井所在的生产层位，获得所述历史时间段内所述第一油气田开发区块内各采油井的工作参数及各采油井所在的生产层位，其中，所述各注水井的工作参数至少包括：注水量，所述各采油井的工作参数至少包括：产量；

其中，油气田开发区块为油气田开发的最小地质单元，可以理解的是，不同油气田开发区块的地质参数可以相同或不同。本发明可以分别针对每一个油气田开发区块构建一个注水井与采油井关系模型。

其中，上述历史时间段的长度以及所在时间区间可以根据实际需要进行设定，本发明在此不做限定。可选的，本发明可以将第一油气田开发区块的开始产油时刻至当前时刻作为上述历史时间段，这样本发明就将全部的工作参数放入训练数据中，可以提高训练数据的丰富度，进而提高注水井与采油井关系模型的准确性。

其中，除注水量外，所述注水井的工作参数还可以包括：生产时间、油压和套压中的至少一种。和/或，除产量外，所述采油井的工作参数还可以包括：生产时间、含水率、油压、套压和动液面高度中的至少一种。

可选的，所述产量可以包括：产液量和/或产油量。

可以理解的是，生产时间可以是一个生产时刻，也可以是一个生产周期。在生产时间为一个生产时刻时，本发明可以采集该生产时刻的油压、套压、含水率和动液面高度。具体的，上述历史时间段内可以包括多个上述生产时刻，各相邻的生产时刻之间的时间间隔可以相同或不同。可选的，本发明实施例可以将相邻两个生产时刻之内的注水量、产量分别确定为与该相邻两个生产时刻中较晚的生产时刻对应的注水量、产量。这样，本发明就将采集的各工作参数与生产时刻对应起来，从而可以学习获得各生产时刻对应的各工作参数的关系，进而获得注水井与采油井关系模型。

在生产时间为一个生产周期时，本发明获得的注水量、产量可以分别为该生产周期内的注水量、产量。具体的，一个历史时间段内可以包括至少一个生产周期。其中，生产周期的长度可以为一天、一周、一个月、一个季度等，优选的，为一周。在一个生产周期内，本发明可以在不同时刻多次采集该生产周期内的油压、套压、含水率和动液面高度，并将采集获得的油压、套压、含水率和动液面高度确定为与该生产周期对应的油压、套压、含水率和动液面高度。这样，通过生产周期，本发明就将各工作参数对应起来，从而可以学习获得各生产时刻对应的各工作参数的关系，进而获得注水井与采油井关系模型。

其中，油压为采油井在生产时由压力表测得的油管环空压力，套压为采油井在生产时由压力表测得的油管与套管之间的环空压力。

其中，产液量为采油井所开采的油水混合物的产量；产油量为采油井所开采的石油的产量。

其中，含水率为采油井所开采的油水混合物中水所占的质量百分数。

其中，动液面高度为采油井在采油过程中的油套环空之间的液面高度，动液面高度反应了采油井的地层能量，即压力能支持多高的液柱高度。

本申请发明人研究发现：注水井的油压/套压与采油井的工作参数有一定的影响关系，同时，注水井的注水量也与采油井的含水率、油压、套压和动液面高度有一定的影响关系，因此本发明还可以将上述各种工作参数放入训练数据中。通过丰富训练数据中包含的工作参数的种类，本发明机器学习获得的注水井与采油井关系模型将更符合实际情况，可以有效提高注水井与采油井关系模型的准确性。

可以理解的是，油气田常由多个储层构成，其中，储层为具有连通孔隙、允许油气在其中储存和渗滤的岩层。油田注水开发从业人员常根据勘探数据对油气田的各储层的层位进行标注，例如：从上至下分别标注为：层位1、层位2等。注水井和采油井只能在一个储层上进行作业，由于不同储层之间没有连通性，因此本发明在获得各注水井及各采油井的生产层位后，就可以确定位于同一生产层位的注水井和采油井，进而根据其工作参数获得注水井与采油井关系模型。

s200、将各所述工作参数作为训练数据，将所述生产层位相同作为约束条件，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得所述第一油气田开发区块的注水井与采油井关系模型，所述注水井与采油井关系模型的输入参数包括：所述注水量或所述产量；在所述注水井与采油井关系模型的输入参数包括所述注水量时，所述注水井与采油井关系模型的输出参数包括：所述产量；在所述注水井与采油井关系模型的输入参数包括所述产量时，所述注水井与采油井关系模型的输出参数包括：所述注水量。

其中，本发明实施例中的训练数据可以仅包括：注水量和产量两种，也可以包括更多种类的工作参数，例如：生产时间、含水率、油压、套压和动液面高度等。可以理解的是，随着训练数据中工作参数种类的增加，本发明可以根据更多工作参数之间的关系获得注水井与采油井关系模型，使得获得的注水井与采油井关系模型的准确性大大提高。

通过将所述生产层位相同作为进行机器学习的约束条件，本发明可以仅对同一生产层位的注水井与采油井的工作参数的影响关系进行机器学习。这样，就排除了不同生产层位的注水井、采油井的工作参数之间影响关系，避免因学习到错误的影响关系而导致的注水井与采油井关系模型准确性的降低。

其中，由于学习到了注水井与采油井的工作参数的影响关系，因此本发明实施例的注水井与采油井关系模型既可以根据注水井的工作参数获得采油井的工作参数，也可以根据采油井的工作参数获得注水井的工作参数。即：所述注水井与采油井关系模型的输入参数可以包括：至少一个注水井的注水量，所述注水井与采油井关系模型的输出参数可以包括：至少一个采油井的产量。或者，所述注水井与采油井关系模型的输入参数可以包括：至少一个采油井的产量，所述注水井与采油井关系模型的输出参数可以包括：至少一个注水井的注水量。

为方便理解，下面通过表1示例性展示本发明所使用的训练数据：

表1

可以理解的是，表1中各注水井对应的数字为注水量，各采油井对应的数字为产量。在实际应用中，技术人员可以使用表1所示的数字(例如注水井11)对注水井和采油井进行编号以区分不同的注水井、采油井。当然，技术人员也可以使用其他方式对注水井、采油井进行标识，本发明在此不做限定。

具体的，表1所提供的训练数据为第一油气田开发区块中注水井和采油井在n个生产周期的工作参数，表1中各注水井和各采油井的生产层位相同。

在本发明其他实施例中，本发明可以首先对获得的各工作参数进行处理，然后将处理后得到的数据作为训练数据进行机器学习。其中，本发明进行的处理可以包括：用均值填充等方法对数据缺失值进行填补；剔除数据中的无效数值等。其中，无效数据可以为根据量纲级别判断明显录入错误的数据或长时间不变化的数据。

具体的，本发明所使用的机器学习方法可以包括：逻辑回归、支持向量机、朴素贝叶斯、决策树、随机森林等方法中的至少一种。在实际应用中，本发明实施例可以依次选择上述机器学习方法中的一种对训练数据进行机器学习从而得到不同机器学习方法对应的注水井与采油井关系模型。然后本发明实施例可以对各注水井与采油井关系模型进行误差检验并将误差最小的模型作为注水井与采油井关系模型。

在实际应用中，本发明实施例在获得注水井与采油井关系模型后，还可以通过检验数据对该模型进行准确度检验，当注水井与采油井关系模型的准确度不满足要求时，本发明实施例可以继续对该模型进行训练直到该模型的准确度满足要求。

具体的，本发明可以将历史时间段内的部分工作参数作为训练数据，并将其余部分的工作参数作为检验数据。

具体的，本发明实施例对注水井与采油井关系模型进行准确度检验的方法可以包括：

将检验数据中的各注水井的工作参数输入注水井与采油井关系模型中，获得注水井与采油井关系模型输出的各采油井的工作参数；

计算注水井与采油井关系模型输出的各采油井的工作参数相对于所述检验数据中的各采油井的工作参数的误差；

在所述误差大于预设误差时，向注水井与采油井关系模型的训练数据中添加新的工作参数并对添加了新的工作参数的训练数据进行机器学习，获得新的注水井与采油井关系模型，然后通过检验数据对新的注水井与采油井关系模型进行检验，直至误差小于预设误差。

当注水井与采油井关系模型输出的各采油井的工作参数相对于所述检验数据中的各采油井的工作参数的误差小于预设误差时，本发明可以确定该注水井与采油井关系模型的检验通过，可以用于根据注水井的工作参数获得采油井的工作参数。

相应的，本发明也可以将检验数据中的采油井的工作参数输入注水井与采油井关系模型中，并计算注水井与采油井关系模型输出的各注水井的工作参数相对于所述检验数据中的各注水井的工作参数的误差，从而进行检验。

进一步，本发明在计算注水井与采油井关系模型输出的各采油井的工作参数相对于所述检验数据中的各采油井的工作参数的误差时，可以对每一采油井：计算注水井与采油井关系模型输出的该采油井的工作参数相对于检验数据中的该采油井的工作参数的误差，从而获得多个误差；然后这多个误差进行运算(如平均运算)获得一个综合误差，将该综合误差与预设误差进行对比即可。当然，实际应用中并不仅限于此一种误差确定方法。

由于油田注水开发过程中的储层油水关系是一个实时动态变化的过程，因此本发明可以及时获得最近的历史时间段内产生的工作参数并将它们作为训练数据，对该训练数据进行机器学习。当然，当第一油气田开发区块的地质参数发生变化时，本发明也可以获得变化后时间段内的工作参数并将它们作为训练数据，对该训练数据进行机器学习。

在本发明其他实施例中，步骤s200对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习后还可以获得：所述第一油气田开发区块中同一生产层位的注水井的工作参数对采油井的工作参数的影响权重。

可以理解的是，上述影响权重可以根据各注水井的工作参数的变化和各采油井的工作参数的变化之间的关系确定。在第一注水井、第二注水井和第一采油井位于同一生产层位的情况下，当第一注水井的工作参数在第一幅度上的变化所导致的第一采油井的工作参数的第一变化幅度大于第二注水井的工作参数在第一幅度上的变化所导致的第一采油井的工作参数的第二变化幅度时，本发明可以确定第一注水井的工作参数对第一采油井的工作参数的影响权重大于第二注水井的工作参数对第一采油井的工作参数的影响权重。

例如：本发明对表1所示的训练数据进行机器学习，根据表1中各注水井中工作参数的变化和各采油井的工作参数的变化之间的关系确定如表2所示的影响权重。

表2

具体的，表2中的每个代表影响权重的数字为其所在行对应的采油井的工作参数对其所在列对应的注水井的工作参数的影响权重。该影响权重为无量纲参数，可选的，对任一采油井：与该采油井位于同一生产层位的各注水井的工作参数对该采油井的工作参数的影响权重之和可以为1。

本发明提供的一种注水井与采油井关系模型获得方法，可以获得历史时间段内第一油气田开发区块内各注水井的工作参数及生产层位、各采油井的工作参数及生产层位，将各工作参数作为训练数据，将生产层位相同作为约束条件，对训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得第一油气田开发区块的注水井与采油井关系模型。本发明实施例通过对历史时间段内工作参数的机器学习建立了注水井与采油井关系模型，由于该模型体现了各注水井工作参数与各采油井工作参数的关系，因此本发明可以直接使用该模型确定采油井产量，简单方便。当注水井或采油井的工作参数变化时，本发明可以及时根据新的参数进行机器学习，以改进注水井与采油井关系模型，本发明实现了注水井与采油井关系的高频率监测。由于本发明的注水井与采油井关系模型可以及时跟随注水井及采油井工作参数的变化而变化，因此本发明可以根据注水井与采油井关系模型获得更为准确的采油井的产量。

如图2所示，本发明实施例还提供了一种采油井产量确定方法，可以包括：

s001、获得第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

可以理解的是，当本发明图1所示方法获得的注水井与采油井关系模型用于产量预估时，本发明可以获得注水井的计划注水量。由于注水井的油压和套压是跟随时间频繁变动的，无法进行预估(即使可以预估也不准确)，因此本发明可以仅获得计划注水量并将其输入注水井与采油井关系模型即可。

其中，第一时间段可以为当前时刻所在的时间段，例如当天，也可以为未来的一个时间段，例如明天或下个月。

例如：对于通过表1所示的训练数据进行机器学习获得的注水井与采油井关系模型，本发明可以获得如表3所示的各注水井的计划注水量。

表3

s002、将获得的各计划注水量输入本发明实施例提供的注水井与采油井关系模型获得方法获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内第一油气田开发区块内至少一个采油井的产量。

在实际应用中，本发明步骤s002还可以获得本次所述注水井与采油井关系模型输出的第一时间段内第一油气田开发区块内至少一个采油井的其他工作参数，如：含水率、油压、套压和动液面高度中的至少一种。

可以理解的是，由于注水井和采油井关系模型在进行机器学习时将生产层位相同作为约束条件，因此注水井和采油井关系模型会确定位于同一生产层位的注水井、采油井，并确定由注水井的计划注水量而导致的与这些注水井位于同一生产层位的采油井的产量。

步骤s002可以具体包括：将获得的各计划注水量输入注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型根据各计划注水量和影响权重所确定并输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可以理解的是，当第一油气田开发区块的地质参数变化(如由于地震引起的储层变化)或开发阶段变化(如由中含水采油期进入高含水采油期)时，本发明可以控制注水井与采油井关系模型对变化后的第一油气田开发区块内的注水井和采油井的工作参数进行机器学习，从而改善注水井与采油井关系模型，使得注水井与采油井关系模型跟随第一油气田开发区块的变化而变化。这样，注水井与采油井关系模型输出的采油井的产量将更加准确。

如图3所示，本发明实施例提供的另一种采油井产量确定方法，还可以包括：

s003、调整所述第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

其中，步骤s003对各注水井的计划注水量的调整方式可以有多种，例如按照预设的调整顺序和调整间隔依次调整各注水井的计划注水量以获得多种不同的计划注水量；再如：通过随机调整的方式随机调整各注水井的计划注水量。

s004、将调整后的计划注水量输入本发明实施例提供的注水井与采油井关系模型获得方法获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内第一油气田开发区块内至少一个采油井的产量。

通过对计划注水量的调整，本发明就可以获得不同计划注水量对应的采油井的产量，可以帮助油田工作人员根据采油井的产量选择所需的注水量。

如图4所示，本发明实施例提供的另一种采油井产量确定方法，还可以包括：

s005、确定所述注水井与采油井关系模型在输出的产量中满足预设条件的产量；

其中，上述预设条件可以为：产量最大或单位产量的成本最低等。

s006、将确定的产量对应的输入所述注水井与采油井关系模型中的计划注水量输出。

本发明实施例通过步骤s005和步骤s006可以自动从多个计划注水量中挑选出满足预设条件的产量对应的计划注水量，无需用户人工选择，简单方便。

为方便理解，下面对图4所示方法进行举例说明：

本发明获得用户提供的各注水井的计划注水量并输入注水井与采油井关系模型，获得本次注水井与采油井关系模型输出的采油井的产量，将本次输出的各采油井的产量之和确定为本次注水井与采油井关系模型输出的总产量；

本发明自动对用户提供的计划注水量进行多次调整并将调整后的计划注水量输入注水井与采油井关系模型，获得每次计划注水量输入后注水井与采油井关系模型输出的采油井的产量，将每次输出的各采油井的产量之和确定为每次注水井与采油井关系模型输出的总产量；

本发明对各总产量进行比对，确定其中最大的总产量，将最大的总产量对应的计划注水量输出。

可以理解的是，本发明实施例输出的计划注水量即为总产量最大时的注水量，用户可以通过本发明实施例输出的注水量控制各注水井的工作参数，从而可以增大采油井的产量。

当然，在本发明其他实施例中，还可以将计划产量输入注水井与采油井关系模型来获得与该计划产量对应的注水量。

与图2所示方法相对应，如图5所示，本发明实施例还提供了一种注水井注水量确定方法，可以包括：

s010、获得第一时间段内第一油气田开发区块内至少一个采油井的计划产量；

s011、将获得的各计划产量输入本发明实施例提供的注水井与采油井关系模型获得方法获得的所述注水井与采油井关系模型中，获得所述注水井与采油井关系模型输出的第一时间段内第一油气田开发区块内至少一个注水井的注水量。

其中，图5所示方法与图2所示方法的区别在于：图5所示方法将计划产量输入注水井与采油井关系模型，获得注水井与采油井关系模型输出的注水量。而图2所示方法将计划注水量输入注水井与采油井关系模型，获得注水井与采油井关系模型输出的产量。

图5所示方法可以使得用户获得实现计划产量所需的各注水井的注水量，方便用户根据注水井与采油井关系模型输出的注水量控制各注水井的工作参数，从而实现计划产量。

与图1所示方法相对应，如图6所示，本发明实施例还提供了一种注水井与采油井关系模型获得装置，可以包括：参数获得单元100和学习单元200，

所述参数获得单元100，用于获得历史时间段内第一油气田开发区块内各注水井的工作参数及各注水井所在的生产层位，获得所述历史时间段内所述第一油气田开发区块内各采油井的工作参数及各采油井所在的生产层位，其中，所述各注水井的工作参数至少包括：注水量，所述各采油井的工作参数至少包括：产量；

其中，油气田开发区块为油气田开发的最小地质单元，可以理解的是，不同油气田开发区块的地质参数可以相同或不同。本发明可以分别针对每一个油气田开发区块构建一个注水井与采油井关系模型。

其中，上述历史时间段的长度以及所在时间区间可以根据实际需要进行设定，本发明在此不做限定。可选的，本发明可以将第一油气田开发区块的开始产油时刻至当前时刻作为上述历史时间段，这样本发明就将全部的工作参数放入训练数据中，可以提高训练数据的丰富度，进而提高注水井与采油井关系模型的准确性。

其中，除注水量外，所述注水井的工作参数还可以包括：生产时间、油压和套压中的至少一种。和/或，除产量外，所述采油井的工作参数还可以包括：生产时间、含水率、油压、套压和动液面高度中的至少一种。

可选的，所述产量可以包括：产液量和/或产油量。

可以理解的是，油气田常由多个储层构成，其中，储层为具有连通孔隙、允许油气在其中储存和渗滤的岩层。油田注水开发从业人员常根据勘探数据对油气田的各储层的层位进行标注，例如：从上至下分别标注为：层位1、层位2等。注水井和采油井只能在一个储层上进行作业，由于不同储层之间没有连通性，因此本发明在获得各注水井及各采油井的生产层位后，就可以确定位于同一生产层位的注水井和采油井，进而根据其工作参数获得注水井与采油井关系模型。

所述学习单元200，用于将各所述工作参数作为训练数据，将所述生产层位相同作为约束条件，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得所述第一油气田开发区块的注水井与采油井关系模型，所述注水井与采油井关系模型的输入参数包括：所述注水量或所述产量；在所述注水井与采油井关系模型的输入参数包括所述注水量时，所述注水井与采油井关系模型的输出参数包括：所述产量；在所述注水井与采油井关系模型的输入参数包括所述产量时，所述注水井与采油井关系模型的输出参数包括：所述注水量。

其中，本发明实施例中的训练数据可以仅包括：注水量和产量两种，也可以包括更多种类的工作参数，例如：生产时间、含水率、油压、套压和动液面高度等。可以理解的是，随着训练数据中工作参数种类的增加，本发明可以根据更多工作参数之间的关系获得注水井与采油井关系模型，使得获得的注水井与采油井关系模型的准确性大大提高。

通过将所述生产层位相同作为进行机器学习的约束条件，本发明可以仅对同一生产层位的注水井与采油井的工作参数的影响关系进行机器学习。这样，就排除了不同生产层位的注水井、采油井的工作参数之间影响关系，避免因学习到错误的影响关系而导致的注水井与采油井关系模型准确性的降低。

其中，由于学习到了注水井与采油井的工作参数的影响关系，因此本发明实施例的注水井与采油井关系模型既可以根据注水井的工作参数获得采油井的工作参数，也可以根据采油井的工作参数获得注水井的工作参数。即：所述注水井与采油井关系模型的输入参数可以包括：至少一个注水井的注水量，所述注水井与采油井关系模型的输出参数可以包括：至少一个采油井的产量。或者，所述注水井与采油井关系模型的输入参数可以包括：至少一个采油井的产量，所述注水井与采油井关系模型的输出参数可以包括：至少一个注水井的注水量。

在实际应用中，本发明实施例在获得注水井与采油井关系模型后，还可以通过检验数据对该模型进行准确度检验，当注水井与采油井关系模型的准确度不满足要求时，本发明实施例可以继续对该模型进行训练直到该模型的准确度满足要求。

在本发明其他实施例中，学习单元200对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习后还可以获得：所述第一油气田开发区块中同一生产层位的注水井的工作参数对采油井的工作参数的影响权重。

可以理解的是，上述影响权重可以根据各注水井的工作参数的变化和各采油井的工作参数的变化之间的关系确定。在第一注水井、第二注水井和第一采油井位于同一生产层位的情况下，当第一注水井的工作参数在第一幅度上的变化所导致的第一采油井的工作参数的第一变化幅度大于第二注水井的工作参数在第一幅度上的变化所导致的第一采油井的工作参数的第二变化幅度时，本发明可以确定第一注水井的工作参数对第一采油井的工作参数的影响权重大于第二注水井的工作参数对第一采油井的工作参数的影响权重。

本发明提供的一种注水井与采油井关系模型获得装置，可以获得历史时间段内第一油气田开发区块内各注水井的工作参数及生产层位、各采油井的工作参数及生产层位，将各工作参数作为训练数据，将生产层位相同作为约束条件，对训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得第一油气田开发区块的注水井与采油井关系模型。本发明实施例通过对历史时间段内工作参数的机器学习建立了注水井与采油井关系模型，由于该模型体现了各注水井工作参数与各采油井工作参数的关系，因此本发明可以直接使用该模型确定采油井产量，简单方便。当注水井或采油井的工作参数变化时，本发明可以及时根据新的参数进行机器学习，以改进注水井与采油井关系模型，本发明实现了注水井与采油井关系的高频率监测。由于本发明的注水井与采油井关系模型可以及时跟随注水井及采油井工作参数的变化而变化，因此本发明可以根据注水井与采油井关系模型获得更为准确的采油井的产量。

与图2所示方法相对应，如图7所示，本发明实施例还提供了一种采油井产量确定装置，可以包括：第一注水量获得单元001和第一产量获得单元002，

所述第一注水量获得单元001，用于获得第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

其中，第一时间段可以为当前时刻所在的时间段，例如当天，也可以为未来的一个时间段，例如明天或下个月。

所述第一产量获得单元002，用于将获得的各计划注水量输入本发明实施例提供的注水井与采油井关系模型获得装置获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

在实际应用中，第一产量获得单元002还可以获得本次所述注水井与采油井关系模型输出的第一时间段内第一油气田开发区块内至少一个采油井的其他工作参数，如：含水率、油压、套压和动液面高度中的至少一种。

可以理解的是，由于注水井和采油井关系模型在进行机器学习时将生产层位相同作为约束条件，因此注水井和采油井关系模型会确定位于同一生产层位的注水井、采油井，并确定由注水井的计划注水量而导致的与这些注水井位于同一生产层位的采油井的产量。

第一产量获得单元002可以具体用于：将获得的各计划注水量输入注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型根据各计划注水量和影响权重确定并输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

与图3所示方法相对应，如图8所示，本发明实施例提供的另一种采油井产量确定装置，还可以包括：注水量调整单元003和注水量输入单元004，

注水量调整单元003，用于调整所述第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

其中，注水量调整单元003对各注水井的计划注水量的调整方式可以有多种，例如按照预设的调整顺序和调整间隔依次调整各注水井的计划注水量以获得多种不同的计划注水量；再如：通过随机调整的方式随机调整各注水井的计划注水量。

注水量输入单元004，用于将调整后的计划注水量输入本发明实施例提供的注水井与采油井关系模型获得装置获得的所述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内第一油气田开发区块内至少一个采油井的产量。

通过对计划注水量的调整，本发明就可以获得不同计划注水量对应的采油井的产量，可以帮助油田工作人员根据采油井的产量选择所需的注水量。

与图4所示方法相对应，如图9所示，本发明实施例提供的另一种采油井产量确定装置，还可以包括：产量判断单元005和注水量输出单元006，

产量判断单元005，用于确定所述注水井与采油井关系模型在输出的产量中满足预设条件的产量；

其中，上述预设条件可以为：产量最大或单位产量的成本最低等。

注水量输出单元006，用于将确定的产量对应的输入所述注水井与采油井关系模型中的计划注水量输出。

本发明实施例通过产量判断单元005和注水量输出单元006可以自动从多个计划注水量中挑选出满足预设条件的产量对应的计划注水量，无需用户人工选择，简单方便。

与图6所示方法相对应，如图10所示，本发明实施例还提供了一种注水井注水量确定装置，可以包括：第二产量获得单元010和第二注水量获得单元011，

所述第二产量获得单元010，用于获得第一时间段内第一油气田开发区块内至少一个采油井的计划产量；

所述第二注水量获得单元011，用于将获得的各计划产量输入本发明实施例提供的注水井与采油井关系模型获得装置获得的注水井与采油井关系模型中，获得所述注水井与采油井关系模型输出的所述第一时间段内所述第一油气田开发区块内至少一个注水井的注水量。

图10所示装置可以使得用户获得实现计划产量所需的各注水井的注水量，方便用户根据注水井与采油井关系模型输出的注水量控制各注水井的工作参数，从而实现计划产量。

所述注水井与采油井关系模型获得装置、采油井产量确定装置和注水井注水量确定装置均包括处理器和存储器，上述参数获得单元、学习单元、第一注水量获得单元、第一产量获得单元、第二产量获得单元和第二注水量获得单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来生成注水井与采油井关系模型，对注水井与采油井之间的关系进行监测。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述注水井与采油井关系模型获得方法、采油井产量确定方法和注水井注水量确定方法中的至少一种。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述注水井与采油井关系模型获得方法、采油井产量确定方法和注水井注水量确定方法中的至少一种。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：

一种注水井与采油井关系模型获得方法，包括：

获得历史时间段内第一油气田开发区块内各注水井的工作参数及各注水井所在的生产层位，获得所述历史时间段内所述第一油气田开发区块内各采油井的工作参数及各采油井所在的生产层位，其中，所述各注水井的工作参数至少包括：注水量，所述各采油井的工作参数至少包括：产量；

将各所述工作参数作为训练数据，将所述生产层位相同作为约束条件，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得所述第一油气田开发区块的注水井与采油井关系模型，所述注水井与采油井关系模型的输入参数包括：所述注水量或所述产量；在所述注水井与采油井关系模型的输入参数包括所述注水量时，所述注水井与采油井关系模型的输出参数包括：所述产量；在所述注水井与采油井关系模型的输入参数包括所述产量时，所述注水井与采油井关系模型的输出参数包括：所述注水量。

可选的，所述注水井的工作参数还包括：生产时间、油压和套压中的至少一种；和/或，所述采油井的工作参数还包括：生产时间、含水率、油压、套压和动液面高度中的至少一种。

可选的，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习后还获得：所述第一油气田开发区块中同一生产层位的注水井的工作参数对采油井的工作参数的影响权重。

一种采油井产量确定方法，包括：

获得第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

将获得的各计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可选的，还包括：

调整所述第一时间段内所述第一油气田开发区块内至少一个注水井的计划注水量；

将调整后的计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可选的，还包括：

确定所述注水井与采油井关系模型在输出的产量中满足预设条件的产量；

将确定的产量对应的输入所述注水井与采油井关系模型中的计划注水量输出。

可选的，将获得的各计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量，包括：

将获得的各计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型根据影响权重和各计划注水量所确定并输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

一种注水井注水量确定方法，包括：

获得第一时间段内第一油气田开发区块内至少一个采油井的计划产量；

将获得的各计划产量输入上述注水井与采油井关系模型中，获得所述注水井与采油井关系模型输出的所述第一时间段内所述第一油气田开发区块内至少一个注水井的注水量。

本文中的设备可以是服务器、pc、pad、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：

一种注水井与采油井关系模型获得方法，包括：

获得历史时间段内第一油气田开发区块内各注水井的工作参数及各注水井所在的生产层位，获得所述历史时间段内所述第一油气田开发区块内各采油井的工作参数及各采油井所在的生产层位，其中，所述各注水井的工作参数至少包括：注水量，所述各采油井的工作参数至少包括：产量；

将各所述工作参数作为训练数据，将所述生产层位相同作为约束条件，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习，获得所述第一油气田开发区块的注水井与采油井关系模型，所述注水井与采油井关系模型的输入参数包括：所述注水量或所述产量；在所述注水井与采油井关系模型的输入参数包括所述注水量时，所述注水井与采油井关系模型的输出参数包括：所述产量；在所述注水井与采油井关系模型的输入参数包括所述产量时，所述注水井与采油井关系模型的输出参数包括：所述注水量。

可选的，所述注水井的工作参数还包括：生产时间、油压和套压中的至少一种；和/或，所述采油井的工作参数还包括：生产时间、含水率、油压、套压和动液面高度中的至少一种。

可选的，对所述训练数据中同一生产层位的注水井与采油井的工作参数进行机器学习后还获得：所述第一油气田开发区块中同一生产层位的注水井的工作参数对采油井的工作参数的影响权重。

一种采油井产量确定方法，包括：

获得第一时间段内第一油气田开发区块内至少一个注水井的计划注水量；

将获得的各计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可选的，还包括：

调整所述第一时间段内所述第一油气田开发区块内至少一个注水井的计划注水量；

将调整后的计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

可选的，还包括：

确定所述注水井与采油井关系模型在输出的产量中满足预设条件的产量；

将确定的产量对应的输入所述注水井与采油井关系模型中的计划注水量输出。

可选的，将获得的各计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量，包括：

将获得的各计划注水量输入上述注水井与采油井关系模型中，获得本次所述注水井与采油井关系模型根据影响权重和各计划注水量所确定并输出的第一时间段内所述第一油气田开发区块内至少一个采油井的产量。

一种注水井注水量确定方法，包括：

获得第一时间段内第一油气田开发区块内至少一个采油井的计划产量；

将获得的各计划产量输入上述注水井与采油井关系模型中，获得所述注水井与采油井关系模型输出的所述第一时间段内所述第一油气田开发区块内至少一个注水井的注水量。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。