1.本技术涉及石油开采领域，尤其涉及一种页岩油的油井试油产量的确定方法、装置及存储介质。
背景技术：
：：2.在石油开采领域，页岩油的油田的含油性是一项确定产层段及计算资源量的重要参数，也是评价油田富集程度的一项关键指标。3.现有技术中，对油田的含油性的分析方式主要包括干馏法及有机地球化学方法。4.但是，上述各类分析方式未考虑轻烃损失的问题，使得利用上述方式获得的油田的含油性的分析结果的准确度不高，严重影响后续对页岩油地层的开发效率。技术实现要素：5.本技术提供一种页岩油的油井试油产量的确定方法、装置及存储介质，用以解决目前页岩油地层含油性的分析结果的准确度不高的问题。6.第一方面，本技术提供一种页岩油的油井试油产量的确定方法，包括：7.获取样本油井的样本数据集，所述样本数据集中包括所述样本油井的气态烃含量、液态烃含量和试油产量；8.将所述样本数据集中的所述气态烃含量和所述液态烃含量，分别与所述试油产量进行数据拟合处理，得到第一拟合函数和第二拟合函数；9.根据所述第一拟合函数和所述第二拟合函数，构建含油性评价模型；10.获取目标油井的目标数据集，所述目标数据集中包括所述目标油井的气态烃含量和液态烃含量；11.利用所述含油性评价模型对所述目标油井的目标数据集进行处理，得到所述目标油井的试油产量。12.第二方面，本技术提供一种油井试油产量的确定装置，包括：13.模型构建模块，用于获取样本油井的样本数据集，所述样本数据集中包括所述样本油井的气态烃含量、液态烃含量和试油产量；以及，将所述样本数据集中的所述气态烃含量和所述液态烃含量，分别与所述试油产量进行数据拟合处理，得到第一拟合函数和第二拟合函数；以及，根据所述第一拟合函数和所述第二拟合函数，构建含油性评价模型；14.计算模块，用于获取目标油井的目标数据集，所述目标数据集中包括所述目标油井的气态烃含量和液态烃含量；以及，利用所述含油性评价模型对所述目标油井的目标数据集进行处理，得到所述目标油井的试油产量。15.第三方面，本技术提供一种电子设备，包括：16.处理器，以及与所述处理器通信连接的存储器；17.所述存储器存储计算机执行指令；18.所述处理器执行所述存储器存储的计算机执行指令，以实现如前所述的方法。19.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如前所述的方法。20.第五方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如前所述的方法。21.本技术提供一种油井试油产量的确定方法、装置及存储介质，通过获取样本油井的样本数据集，样本数据集中包括样本油井的气态烃含量、液态烃含量和试油产量；将样本数据集中的所述气态烃含量和液态烃含量，分别与试油产量进行数据拟合处理，得到第一拟合函数和第二拟合函数；根据第一拟合函数和第二拟合函数，构建含油性评价模型；获取目标油井的目标数据集，目标数据集中包括目标油井的气态烃含量和液态烃含量；利用含油性评价模型对目标油井的目标数据集进行处理，得到目标油井的试油产量。通过这样的方式构建的含油性评价模型是充分考虑烃含量对试油产量的影响的，而利用这样的含油性评价模型计算得到的目标试油产量的结果更为精准，便于提升油田开发效率。附图说明22.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。23.图1为本技术所基于的一种场景架构示意图；24.图2为本技术提供的一种页岩油的油井试油产量的确定方法的流程示意图；25.图3a为本技术实施方式提供的一种气态烃含量与试油产量的线性函数关系的的关系关系示意图；26.图3b为本技术实施方式提供的一种气态烃含量与试油产量的指数函数关系的关系示意图；27.图3c为本技术实施方式提供的一种气态烃含量与试油产量的对数函数关系的关系示意图；28.图3d为本技术实施方式提供的一种气态烃含量与试油产量的二次函数关系的关系示意图；29.图4a为本技术实施方式提供的一种液态烃含量与试油产量的线性函数关系的关系示意图；30.图4b为本技术实施方式提供的一种液态烃含量与试油产量的的指数函数关系的关系示意图；31.图4c为本技术实施方式提供的一种液态烃含量与试油产量的的对数函数关系的关系示意图；32.图4d为本技术实施方式提供的一种液态烃含量与试油产量的二次函数关系的关系示意图；33.图5为本技术提供的一种含油性模型生成过程的示意图；34.图6为本技术提供的一种页岩油的油井试油产量的确定装置结构示意图；35.图7为本技术提供的电子设备的硬件结构示意图。36.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。具体实施方式37.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。38.在页岩油开采领域，油井的试油产量是一项确定产层段及计算资源量的重要参数，也是评价油田富集程度的一项关键指标。在开采页岩油油田之前，需要对油井的试油产量进行分析计算，以利用分析计算得到的试油产量制定页岩油油田的开采方案。39.现有技术中，对油井试油产量的分析方式主要包括有干馏法、有机地球化学方法、物理测试方法、地球物理方法等多种方法。其中，干馏法是指通过低温干馏获取页岩油地层中的液态烃含量；有机地球化学方法是指通氯仿沥青“a”和游离烃s1来表征地层的含油性。40.在实际生产过程中，油井会出现轻烃损失的现象，而经过实际验证，轻烃损失的现象会影响到油井的试油产量。但是，上述各类分析方法均未考虑轻烃损失现象与试油产量之间的具有一定关联性的问题，这使得利用上述方式获得的油田的试油产量与实际的油田的试油产量不符，严重影响后续对页岩油地层的开发效率。41.本技术基于上述问题，充分考虑到烃含量对试油产量的影响，既考虑气态烃含量对油井试油产量影响，又考虑液态烃含量对油井试油产量的影响，通过先分析样本油田中的气态烃含量与液态烃含量对试油产量所造成的影响，以生成相应的含油性评价模型，然后利用该含油性模型可对目标油井的试油产量进行分析。42.由于含油性模型是通过分析样本油田中的气态烃含量与液态烃含量对试油产量所造成的影响而生成的。利用这样的含油性模型计算所得到的试油产量将与目标油田的气态烃含量和液态烃含量具有一定关联性。相对于现有技术采用干馏法与有机地球化学法所得到的试油产量，本技术通过含油性模型所计算得到的试油产量与目标油田实际试油产量更为接近，其精准度更高，便于提升页岩油油田开发效率。43.下面以具体地实施例对本技术的实施例的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。44.参考图1，图1为本技术所基于的一种网络架构的示意图，如图1所示，该网络架构包括服务器1、目标油井2。45.其中，服务器1具体为可以处理海量数据的服务器集群，其内可集成或安装有本技术提供油井试油产量的确定装置，该油井试油产量的确定装置可调用服务器1中的运算逻辑和处理逻辑，以对获取到的数据进行运算和处理。46.目标油井2具体是指实际开采过程中等待开采的一个或多个油井，通过对目标油田2进行数据测量，以得到油田的气态烃含量和液态烃含量等相关数据，这些数据将通过通信链路上传至服务器2，以供服务器2进行处理。47.本技术实施方式中，服务器1在接收到目标油田2的相关数据之后，将调用其构建的含油性评价模型，对该目标油田2的相关数据进行计算处理，而计算处理所得到的目标油井2的试油产量。利用该对目标油田2的试油产量，开采人员可制定目标油田2的开采策略，以进行页岩油的开采工作。48.实施例一49.图2是本技术提供的一种页岩油的油井试油产量的确定方法的流程示意图，如图2所示的，该方法包括：50.步骤201、获取样本油井的样本数据集，所述样本数据集中包括所述样本油井的气态烃含量、液态烃含量和试油产量。51.步骤202、将所述样本数据集中的所述气态烃含量和所述液态烃含量，分别与所述试油产量进行数据拟合处理，得到第一拟合函数和第二拟合函数。52.步骤203、根据所述第一拟合函数和所述第二拟合函数，构建含油性评价模型。53.步骤204、获取目标油井的目标数据集，所述目标数据集中包括所述目标油井的气态烃含量和液态烃含量。54.步骤205、利用所述含油性评价模型对所述目标油井的目标数据集进行处理，得到所述目标油井的试油产量。55.需要说明的是，本技术提供的油井试油产量的确定方法的执行主体为前述的确定装置，如前所述的，该确定装置具体可安装或承载于前述的服务器1中。56.具体来说，确定装置所在的服务器中可预先配置有油田的数据库，油田的数据库中包括有油田的相关数据，如：测井数据、原油物性分析数据和生产数据等。其中，测井数据具体可包括油田的含油饱和度曲线、岩石的孔隙度曲线、岩石的密度曲线、气测录井曲线等数据；原油物性分析数据具体可包括有油田中原油密度数据；生产数据具体可包括有油田的试油产量数据。57.在执行本方案时，确定装置将从服务器读取油田的数据库，并对该数据库中的数据进行筛选分析，以生成包括样本油井的气态烃含量、液态烃含量和试油产量在内的样本数据集。58.其中，对于样本油井的气态烃含量来说，确定装置可直接利用测井数据中的气测录井曲线来获得。对于样本油井的试油产量来说，确定装置将直接利用生产数据中的试油产量数据来获得。对于样本油井的液态烃含量来说，确定装置将利用下述的公式(1)对测井数据中的含油饱和度曲线、岩石的孔隙度曲线、岩石的密度曲线，以及原油密度数据等相关数据进行运算处理来获得。59.其中，公式(1)可表示为：[0060][0061]其中，所述ρhc是岩石中液态烃密度，单位为g/cm3；所述ρb是岩石的密度，单位为g/cm3；所述so是含油饱和度，单位为％；所述φ为孔隙度，单位为％；所述cl为单位质量岩石中液态烃含量，单位为％。[0062]利用上述方法，确定装置将获得的样本油井的数据集，表1为样本油田的数据集的示意表。[0063]表1[0064][0065][0066]其中，如表1所示的样本油田的数量可为多个，例如w1-w11。而针对样本数据集中的每一个样本油田，均存在对应的试油产量、液态烃含量以及气态烃含量。[0067]在获得样本油井的数据集之后，确定装置将对样本数据集中气态烃含量和试油产量进行数据拟合处理，以得到第一拟合函数；与第一拟合函数的处理过程同步或异步的，确定装置还将对样本数据集中液态烃含量和试油产量进行数据拟合处理，以得到第二拟合函数。[0068]具体来说，针对将样本数据集中气态烃含量和试油产量拟合为第一拟合函数的过程来说，确定装置可调用数据分析工具绘制气态烃含量与试油产量的二维的散点图。[0069]其中，散点图中还包括有可用于表示气态烃含量和试油产量的关系的趋势线。通过对趋势线的拟合算法，确定装置将获取到可用于表示该趋势线的数学表达式，该数学表达式将作为本实施方式中的第一函数关系式。[0070]可知的是，在确定装置调用数据分析工具绘制散点图的过程中，基于趋势线拟合算法的不同，得到的散点图中的趋势线的形状是不同的，不同形状的趋势线可用于表达气态烃含量和试油产量的不同关系，如线性关系，指数关系、对数关系、二次关系等。确定装置将获取到每一形状的趋势线对应的数学表达式，各形状的趋势线所对应的各第一函数关系将构成第一函数关系式集合。[0071]即，上述的第一函数关系式集合的函数类型包括：线性关系式、指数关系式、对数关系式、二次关系式等，其中，线性关系式是气态烃含量与试油产量线性关系的趋势线对应的数学表达式；指数关系式是气态烃含量与试油产量关系的指数趋势线对应的数学表达式；对数关系式是气态烃含量与试油产量对数关系的趋势线对应的数学表达式；二次关系式是气态烃含量与试油产量二次关系的趋势线对应的数学表达式。[0072]在获取到第一函数关系式集合后，确定装置还需要计算各所述第一函数关系式的相关系数。[0073]可选的，确定装置还将调用数据分析工具对关系式的相关系数进行计算，以获得各第一函数关系式的相关系数。确定装置将从各第一函数关系式中，选出相关系数最大的第一函数关系式作为第一拟合函数。[0074]示例性的，图3a为本技术实施方式提供的一种气态烃含量与试油产量的线性函数关系的关系示意图，如图3a所示，图中趋势线可用来表示图中气态烃含量与试油产量的线性关系；根据该趋势线，利用数据分析工具可获得线性函数，所获得的线性函数的数学表达式可表示为y1＝0.0001x1+0.1478；对该表达式进行相关系数r2的分析，可知r2＝0.2814。[0075]图3b为本技术实施方式提供的一种气态烃含量与试油产量的指数函数关系的关系示意图，如图3b所示，图中趋势线可用来表示图中气态烃含量与试油产量的指数关系；根据该趋势线，利用数据分析工具可获得指数函数，所获得的指数函数的数学表达式可表示为对该表达式进行相关系数r2的分析，可知r2＝0.2809。[0076]图3c为本技术实施方式提供的一种气态烃含量与试油产量的对数函数关系的关系示意图，如图3c所示，图中趋势线可用来表示图中气态烃含量与试油产量的对数关系；根据该趋势线，利用数据分析工具可得到对数函数，所获得的对数函数的数学表达表示为y1＝0.2448ln(x1)-1.3975；对该表达式进行r2的分析，可知r2＝0.2425。[0077]图3d为本技术实施方式提供的一种气态烃含量与试油产量的二次函数关系的关系示意图，如图3d所示，图中趋势线可用来表示图中气态烃含量与试油产量的二次关系；根据该趋势线，利用数据分析工具可获得二次函数，得到的二次函数的数学表达式为y1＝3×10-0.8x12+(3×10-5)x1+0.2504；对该表达式进行r2的分析，可知r2＝0.2812。[0078]需要说明的是，在该示例中x1用来表示气态烃含量，y1可用来表示试油产量；图3a、图3b、图3c、图3d所示的各表达式的集合构成第一函数关系式集合。[0079]在获取到第一函数关系式集合后，确定装置比较第一函数关系式集合中的各函数关系的数学表达式的相关系数的数值的大小，并选择相关系的数值最大的函数关系式作为第一拟合函数。[0080]示例性的，比较图3a、图3b、图3c、图3d所示的气态烃含量与试油产量的各函数关系的数学表达式的相关系数的数值大小。可知，图3a所示的气态烃含量与试油产量的线性函数关系的数学表达式的相关系数最大，即气态烃含量与试油产量的第一拟合函数为y1＝0.0001x1+0.1478。[0081]类似的，针对将样本数据集中液态烃含量和试油产量拟合为第二拟合函数的过程来说，确定装置可调用数据分析工具绘制液态烃含量与试油产量的二维散点图。[0082]上述散点图中还包括用于表示液态烃含量与试油产量的关系的趋势线。确定装置利用趋势线的拟合算法，可获得用于表示该曲是线的数学表达式，该数学表达式将作为本实施方式中的第一函数关系式。[0083]可知的是，在确定装置调用数据分析工具绘制散点图的过程，基于趋势线拟合算法的不同，得到的散点图中的趋势线的形状是不同的，不同形状的趋势线可用于表达液态烃含量和试油产量的不同关系，如对数关系、指数关系、二项关系、线性关系等。确定装置将获取到每一形状的趋势线对应的数学表达式，各形状的趋势线所对应的各第二函数关系将第二函数关系式集合。[0084]即，上述的第二函数关系式集合的函数类型包括：线性关系式、指数关系式、对数关系式、二次关系式，其中，线性关系式是液态烃含量与试油产量线性关系的趋势线对应的数学表达式；指数关系式是液态烃含量与试油产量关系的指数趋势线对应的数学表达式；对数关系式是液态烃含量与试油产量对数关系的趋势线对应的数学表达式；二次关系式是液态烃含量与试油产量二次关系的趋势线对应的数学表达式。[0085]在获取到第二函数关系式集合后，确定装置还需要计算各所述第二函数关系式的相关系数。[0086]可选的，确定装置还将调用数据分析工具对关系式的相关系数进行计算，以获得各第二函数关系式的相关系数。确定装置将从各第二函数关系式中，选出相关系数最大的第二函数关系式作为第二拟合函数。[0087]示例性的，假设x2用来表示液态烃含量，y2可用来表示试油产量。图4a为本技术实施方式提供的一种液态烃含量与试油产量的线性函数关系的关系示意图。如图4a所示，图中的趋势线可用来表示图中的液态烃含量与试油产量的线性关系；根据该趋势线，利用数据分析工具可获得线性函数，所得线性函数的数学表达式表示为y2＝0.4646x2-0.603；对该表达式进行相关系数r2的分析，可知r2＝0.5496。[0088]图4b为本技术实施方式提供的一种液态烃含量与试油产量的指数函数关系的关系示意图。如图4b所示，图中的趋势线可用来表示图中的液态烃含量与试油产量的指数关系；利用数据分析工具可获得指数函数，所得指数函数的数学表达式表达式表示为对该表达式相关系数r2的分析，可知r2＝0.459。[0089]图4c为本技术实施方式提供的一种液态烃含量与试油产量的对数函数关系的关系示意图。如图4c所示，图中的趋势线可用来表示图中的液态烃含量与试油产量的对数关系；利用数据分析工具可获得对数函数，所得对数函数的函数关系表达式可用图中的y2＝1.0174ln(x2)-0.3654表示；图中的r2＝0.5411表示利用数据分析工具计算该对数函数关系式的相关系数。[0090]图4d为本技术实施方式提供的一种液态烃含量与试油产量的二次函数关系的关系示意图。如图4d所示，图中的趋势线可用来表示图中的液态烃含量与试油产量的二次关系；利用数据分析工具可获得二次函数，所得二次函数的数学表达式为y2＝-0.0346x22+0.6235x2-0.7796；对该表达式及进行r2的分析，可知r2＝0.5506。[0091]类似的，图4a、图4b、图4c、图4d中所示的各表达式的集合构成第二函数关系式集合。[0092]在获取到第二函数函数关系式集合后，确定装置比较第一函数关系式集合中各函数关系的数学表达式的相关系数的数值的大小，并选择相关系数的数值最大的第二函数关系式作为第二拟合函数。[0093]如上述示例，比较图4a、图4b、图4c、图4d所示的液态烃含量与试油产量的各函数关系的数学表达式的相关系数。可知，图4d所示的二次函数关系的数学表达式的相关系数最大，即液态烃含量与试油产量的第二拟合函数为y2＝-0.0346x22+0.6235x2-0.7796。[0094]随后，确定装置将根据获得的第一拟合函数与第二拟合函数，构建含油性评价模型。[0095]示例性的，由于气态烃含量与试油产量的第一拟合函数为y1＝0.0001x1+0.1478，而液态烃含量与试油产量的第二拟合函数为y2＝-0.0346x22+0.6235x2-0.7796，构建含油性评价模型可为试油产量及与其具有不同函数关系的气态烃含量和液态烃含量建立了关系。[0096]考虑到不同类型的烃含量与试油产量之间的关联性是不同的，确定装置还可通过对样本数据集进行进一步分析，以分别得到气态烃含量与试油产量之间的关联程度，以及液态烃含量与试油产量之间的关联程度。[0097]图5为本技术提供的一种含油性模型生成过程的示意图，如图5所示的，确定装置在获得样本油井的样本数据集之后，对样本数据集中的数据进行数据拟合处理，以得到拟合函数；同时，利用灰色关联分析法及归一化排序法对样本数据集进行处理，获取到相对权重(如图5所示的相对权重a与b)，最后，通过对拟合函数与相对权重进行运算处理，得到含油性评价模型。[0098]具体来说，对于关联程度的确定可基于灰色关联分析算法实现。具体来说，上述步骤203具体可包括：利用灰色关联分析算法，对样本数据集中的气态烃含量、液态烃含量和试油产量进行关联分析处理，得到灰色关联系数，利用排序归一算法对所述灰色关联系数进行运算处理，得到相对权重值，根据所述第一拟合函数、所述第二拟合函数以及所述相对权重值，构建含油性评价模型。[0099]在该示例中，灰色关联分析法是指分析两个不同系统的因素之间的关联关系的一种方法。通过灰色关联分析法，可对气态烃含量与试油产量，液态烃含量与试油产量之间的关联关系进行分析，以得到可用于表征其关联关系的相对权重值。而利用相对权重值结合第一拟合函数以及第二拟合函数，可构建含油性评价模型。[0100]下面将对基于灰色关联分析算法获得相对权重值，以及利用相对权重值构建含油性评价模型的过程进行进一步说明：[0101]首先，确定装置利用灰色关联分析法，对气态烃含量与试油产量，液态烃含量分别与试油产量之间的关联关系进行分析，获得灰色关联系数。[0102]其中，上述灰色关联系数包括第一关联系数和第二关联系数。[0103]在进行灰色关联系数分析的过程中，确定装置可先对样本数据进行归一化处理，得到归一化处理后的气态烃含量、归一化处理后的液态烃含量和归一化处理后的试油产量。[0104]其中，所述归一化处理是指将有量纲的数据处理为无量纲的数据。下面的公式(2)用于表征归一化处理的公式：[0105][0106]其中，所述xnorm为归一化处理后的数据，所述x为归一化处理之前的原始数据，所述xmax为原始数据中数值最大的数据，xmin为原始数据中数值最小的数据。[0107]在计算时，可将样本数据集中的液态烃含量、气态烃含量和试油产量三个分别代入公式(2)进行计算，得到归一化后的液态烃含量、归一化后的气态烃含量和归一化后的试油产量。[0108]以表1中的液态烃含量为例，对于该液态烃含量来说，其xnorm表示为归一化处理后的液态烃含量，x为归一化处理之前的原始液态烃含量，所述xmax为原始液态烃含量中数值最大的数据，xmin为原始液态烃含量中数值最小的数据。将上述取值分别代入所述公式(2)，可得到归一化后的液态烃含量。[0109]而对于样本数据集中的其他数据，气态烃含量和试油产量，将采用类似的处理方式，本技术实施方式不对此进行赘述。[0110]通过归一化处理，可得到如表2所示的处理结果。[0111]表2[0112][0113][0114]在完成归一化处理得到如表2所示的归一结果之后，确定装置还将利用利用归一化处理后的气态烃含量和归一化处理后的试油产量，计算得到第一关联系数；利用归一化处理后的液态烃含量和归一化处理后的试油产量，计算得到第二关联系数。[0115]其中，所述第一关联系数用于表征样本油井中每一口油井的气态烃含量与试油产量的关联系数；所述第二关联系数用于表征样本油井中每一口油井的液态烃含量与试油产量的关联系数。[0116]进一步的，确定装置在计算第一关联系数时，可采用如下所述的公式(3)实现：[0117][0118]其中，ri(k)具体可为r1(k)和r2(k)，r1(k)表示的是样本油井中的第k口单井的第一关联系数，该第一关联系数是对第k口单井的气态烃含量和试油产量进行灰色关联分析后得到的；[0119]xi(k)具体可为x1(k)和x2(k)，其中x1(k)表示的是样本油井中第k口单井归一化处理后的气态烃含量；x2(k)表示的是样本油井中第k口单井归一化处理后的液态烃含量，x3(k)表示的是样本油井中第k口单井归一化处理后的试油产量。[0120]表示的是对归一化处理后的气态烃含量和液态烃含量分别与归一化处理后的试油产量进行差值运算，根据差值运算的结果进行绝对值处理，并从绝对值处理后的差值运算结果中筛选出数值最大的数据；同理，表示的是对归一化处理后的气态烃含量和液态烃含量分别与归一化处理后的试油产量进行差值运算，根据差值运算的结果进行绝对值处理，并从绝对值处理后的差值运算结果中筛选出数值最小的数据。[0121]具体来说，针对归一化处理后的气态烃与归一化处理后的试油产量的关联系数的计算过程来说。确定装置首先根据公式(3)，计算样本油井中的每一口油井归一化处理后的气态烃、归一化处理后的气态烃分别与归一化处理后的试油产量的差值；然后，根据该差值的绝对值，筛选出该差值的绝对值中的最大值及最小值；最后，将所述差值的绝对值、所述差值的绝对值中的最大值、所述差值的绝对值中的最小值带入到公式(3)中，获取到第一关联系数。[0122]示例性的，针对表2中归一化处理后的气态烃含量与归一化处理后的试油产量进行关联系数的计算，确定装置首先计算归一化处理后的气态烃含量、归一化处理后的气态烃分别与归一化处理后的试油产量的差值，并对差值求取绝对值，得到的结果如表3所示。[0123]表3[0124][0125]由表3可知油井样本中每一口油井的归一化处理后气态烃含量、归一化处理后的液态烃含量分别与归一化处理后的试油产量的差值的绝对值，其中，油井id编号为w7的油井的归一化处理后的液态烃含量与归一化处理后试油产量差值的绝对值0.01为最小的数据，即当xi(k)具体为x2(7)，x3(k)具体为x3(7)时，为0.01；油井id编号为w11的油井的归一化处理后的气态烃含量与归一化处理后的试油产量差值的绝对值0.60为最大的数据，即当xi(k)具体为x1(11)，x3(k)具体为x3(11)时，为0.60。[0126]将表3中的每一口油井的归一化处理后气态烃含量与归一化处理后的试油产量的差值的|x1(k)-x3(k)|、代入到公式(3)中可得到第一关联系数，其中，k的取值为1-11。[0127]以油井id为w1为例，该组数据为0.05、0.01、0.60，将其代入到上述公式(3)中，可得到w1的关联系数为0.89，即第一关联系数为0.89。[0128]同理，对表3中的w2-w11进行上述同样的处理操作，可分别得到w2-w11的第一关联系数，其结果如表4所示。[0129]表4[0130][0131]类似的，基于表3所示的数据：|x2(k)-x3(k)|、(k)|、确定装置计算第二关联系数得到归一化处理后的液态烃含量与归一化处理后的试油产量的第二关联系数，其结果如表5所示例。[0132]表5[0133][0134][0135]在确定装置计算得到灰色关联系数之后，还将利用排序归一算法对灰色关联系数进行运算处理，得到相对权重值。具体的，针对第一关联系数确定装置将利用排序归一算法运算处理得到第一权重值；针对第二关联系数确定装置将利用排序归一算法运算处理得到第二权重值。[0136]具体来说，确定装置可采用如下公式(5)，获得第一权重值。[0137][0138][0139][0140]其中，r1表示的是第一关联系数的平均值，r1(k)表示的是第一关联系数，r2表示的是第二关联系数的平均值，r2(k)表示的是第二关联系数，w1为第一权重值。[0141]也就是说，确定装置根据第一关联系数，获取到第一关联系数的平均值；类似的，根据第二关联系数，获得第二关联系数的平均值；确定装置基于第一关联系数的平均值与第二关联系数的平均值，计算这两个平均值的和；利用第一平关联系数的平均值，与第一关联系数平均值和第二关联系数平均值之和的比值，得到第一权重值。[0142]示例性的，对上述示例求取第一权重值。此时，公式(5)中n取值为1-11。根据表4计算第一关联系数的平均值，得到第一关联系数的平均值为0.61；根据表5计算第二关联系数的平均值，得到第二关联系数的平均值为0.67；计算第一关联系数平均值与第二关联系数的平均值和，获得的和为1.28；计算第一权重值为0.61/1.28，即第一权重值为0.48。[0143]同理，确定装置可采用如下公式(6)，获得第二权重值。[0144][0145][0146][0147]其中，r1表示的是第一关联系数的平均值，r1(k)表示的是第一关联系数，r2表示的是第二关联系数的平均值，r2(k)表示的是第二关联系数，w2为第二权重值。[0148]按照上述获取第一权重值的示例过程，此处不再赘述，得到第二权重值为0.67/1.28，即第一权重值为0.52。[0149]基于获取到第一拟合函数、第二拟合函数、第一权重值、第二权重值，确定装置将构建含油性评价模型。[0150]具体来说，计算所述第一拟合函数和所述第一权重值的第一乘积，以及所述第二拟合函数和所述第二权重值的第二乘积；根据所述第一乘积和所述第二乘积，得到所述含油性评价模型。[0151]令soc表示试油产量、cl表示液态烃含量、cg表示气态烃含量。根据上述示例得到的第一拟合函数、第二拟合函数以及第一权重值、第二权重值，得到的含油性评价模型表示为如下公式(7)：[0152][0153]当获得含油性评价模型之后，确定装置可利用该模型对任意的目标油井进行试油产量的计算和分析。[0154]具体来说，在该过程中，确定装置需要获取到目标油井的目标数据集，其中，该目标数据集中应包括有目标油井的气态烃含量和液态烃含量，而该气态烃含量和液态烃含量可通过对目标油井进行勘探测量分析得到。[0155]随后，确定装置将利用上述实施方式获得的含油性评价模型，结合目标油井的气态烃含量和液态烃含量，计算出目标油井的试油产量。可知的是，由于该目标油井的试油产量是基于含油性评价模型利用气态烃含量和液态烃含量计算得到的，其在计算过程中考虑到了气态烃含量和液态烃含量对试油产量造成的影响。相对于现有技术采用干馏法及有机地球化学法所得到的试油产量，本实施方式所得到的试油产量与目标油田实际试油产量更为接近，其精准度更高，便于提升油田开发效率。[0156]本技术提供一种页岩油的油井试油产量的确定方法。通过获取样本油井的样本数据集，样本数据集中包括样本油井的气态烃含量、液态烃含量和试油产量；根据样本数据集，构建含油性评价模型；获取目标油井的目标数据集，目标数据集中包括目标油井的气态烃含量和液态烃含量；利用含油性评价模型对目标油井的目标数据集进行处理，得到目标油井的试油产量。通过这样的方式构建的含油性评价模型是充分考虑烃含量对试油产量的影响的，而利用这样的含油性评价模型计算得到的目标试油产量的结果更为精准，便于提升页岩油油田开发效率。[0157]实施例二[0158]对应于本技术的方法，图6为本技术提供的一种页岩油的油井试油产量的确定装置结构示意图。为了便于说明，仅示出了与本技术相关的部分。[0159]参照图6，该处理装置包括：[0160]模型构建模块10，用于获取样本油井的样本数据集，所述样本数据集中包括所述样本油井的气态烃含量、液态烃含量和试油产量；以及，将所述样本数据集中的所述气态烃含量和所述液态烃含量，分别与所述试油产量进行数据拟合处理，得到第一拟合函数和第二拟合函数；以及，根据所述第一拟合函数和所述第二拟合函数，构建含油性评价模型；[0161]计算模块20，用于获取目标油井的目标数据集，所述目标数据集中包括所述目标油井的气态烃含量和液态烃含量；以及，利用所述含油性评价模型对所述目标油井的目标数据集进行处理，得到所述目标油井的试油产量。[0162]所述模型构建模块10，具体用于：[0163]利用灰色关联分析算法，对所述样本数据集中的所述气态烃含量、所述液态烃含量和所述试油产量进行关联分析处理，得到灰色关联系数；[0164]利用排序归一算法对所述灰色关联系数进行运算处理，得到相对权重值；[0165]根据所述第一拟合函数、所述第二拟合函数以及所述相对权重值，构建含油性评价模型。[0166]所述模型构建模块10，具体还用于：[0167]对所述样本数据集中的所述气态烃含量、所述液态烃含量和所述试油产量分别进行归一化处理，得到归一化处理后的气态烃含量、归一化处理后的液态烃含量和归一化处理后的试油产量；[0168]利用所述归一化处理后的气态烃含量和所述归一化处理后的试油产量，计算得到所述第一关联系数；[0169]利用所述归一化处理后的液态烃含量和所述归一化处理后的试油产量，计算得到所述第二关联系数；[0170]利用排序归一算法对所述第一关联系数进行运算处理，得到第一权重值；[0171]利用排序归一算法对所述第二关联系数进行运算处理，得到第二权重值。[0172]所述模型构建模块10，具体还用于：[0173]计算所述第一拟合函数和所述第一权重值的第一乘积，以及所述第二拟合函数和所述第二权重值的第二乘积；[0174]根据所述第一乘积和所述第二乘积，得到所述含油性评价模型。[0175]所述模型构建模块10，具体还用于：[0176]所述将所述样本数据集中的所述气态烃含量和所述液态烃含量，分别与所述试油产量进行数据拟合处理，得到第一函数集合和第二函数集合；其中，所述第一函数集合中包括有与所述气态烃含量和所述试油产量相关的多种第一函数关系式，所述第二函数集合中包括有与所述液态烃含量和所述试油产量相关的多种第二函数关系式；[0177]分别计算各所述第一函数关系式的函数相关系数以及各所述第二函数关系式的函数相关系数；[0178]各所述第一函数关系式中函数相关系数最大的函数关系式将作为所述第一拟合函数，各所述第二函数关系式中函数相关系数最大的函数关系式将作为所述第二拟合函数。[0179]可选的，所述第一函数集合中的多种第一函数关系式包括：指数关系式、线性关系式、对数关系式和二次函数关系式；[0180]所述第二函数集合中的多种第二函数关系式包括：指数关系式、线性关系式、对数关系式和二次函数关系式。[0181]本技术所提供的确定装置的实现原理，与上述任一实施例中的方式类似，在此不进行赘述。[0182]本技术提供一种页岩油的油井试油产量的确定装置。所述确定装置包括模型构建模块与计算模块，所述模型构建模块对样本油田数据进行处理，得到含有行评价模型，所述计算模块可调用所述目标油井数据集，得到目标油井的试油产量。[0183]这充分考虑烃含量对试油产量的影响的，利用含油性评价模型计算得到的目标试油产量的结果更为精准，便于提升页岩油的油田开发效率。[0184]实施例三[0185]本技术提供的电子设备，可用于执行上述方法实施例的技术方案，图7是本技术提供电子设备的硬件结构示意图，为了便于说明，仅示出了与本技术相关的部分。[0186]参考图7，其示出了适于用来实现本是申请实施例的电子设备1000的结构示意图，该电子设备1000可以为终端设备。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(personaldigitalassistant，简称pda)、平板电脑(portableandroiddevice，简称pad)、便携式多媒体播放器(portablemediaplayer，简称pmp)、车载设备(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。[0187]如图7所示，电子设备1000可以包括输出装置(例如中央处理器、图形处理器等)1007，其可以根据存储在只读存储器(readonlymemory，简称rom)1002中的程序或者从存储装置1008加载到随机访问存储器(randomaccessmemory，简称ram)1003中的程序而执行各种适当的动作和处理。在ram1003中，还存储有电子设备1000操作所需的各种程序和数据。处理装置1001、rom1002以及ram1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。[0188]通常，以下装置可以连接至i/o接口1005：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1006；包括例如液晶显示器(liquidcrystaldisplay，简称lcd)、扬声器、振动器等的输出装置1007；包括例如磁带、硬盘等的存储装置1008；以及通信装置1009。通信装置1009可以允许电子设备1000与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备1000，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。[0189]特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置1009从网络上被下载和安装，或者从存储装置1008被安装，或者从rom1002被安装。在该计算机程序被处理装置1001执行时，执行本技术实施例的方法中限定的上述功能。[0190]本技术实施例提供一种计算机程序产品，当计算机程序产品在电子设备运行时，使得电子设备执行上述实施例中的技术方案。其实现原理和技术效果与上述相关实施例类似，此处不再赘述。[0191]本技术实施例提供一种计算机可读存储介质，其上存储有程序指令，程序指令被电子设备执行时，使得电子设备执行上述实施例的技术方案。其实现原理和技术效果与上述相关实施例类似，此处不再赘述。[0192]以上的具体实施方式，对本技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本技术的具体实施方式而已，并不用于限定本技术的保护范围，凡在本技术的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本技术的保护范围之内。当前第1页12当前第1页12