能源危机属于全球性问题，随着油气资源减少，世界各国开始积极开发利用各种可再生资源和非常规油气资源，以降低对常规油气资源的过度依赖。非常规油气资源同属于不可再生资源，但在全球范围内有着十分广泛的分布，储量也非常大，现有技术条件难以有效采取，或产生一定经济效益，但是随着技术发展，对非常规油气资源的开发利用必将有效缓解能源供应危机。根据调研可知，在非常规油气资源中应用大数据算法，能够帮助改善勘探、生产、信息收集和管理等，对我国非常规油气资源开采利用具有十分积极的影响。
1 非常规油气资源概述
非常规油气资源属于重要战略替代资源，其成藏机理、赋存状态、分布规律及勘探开发技术与常规油气资源开发存在较大差异，尤其在承受大规模压裂工艺下，更是导致出现储层多种跨尺度渗流介质，更一步增加油气藏渗流规律复杂性[1]。非常规油气资源主要划分为非常规石油资源和非常规天然气资源，其中非常规石油资源包含油页岩、页岩油、油砂、重油等，非常规天然气资源包含页岩气、有煤层气、致密砂岩气、天然气水合物等，传统方法很难准确预测油气藏产能。同时，通过对非常规油气资源的开发和生产，大量数据和信息资源产生，如何有效利用这些数据资源，建立对应数据驱动生产性能统计方法，提升油气井产量，是目前能源开发不可忽视的问题[2]。
2 非常规油气资源的大数据算法及其应用原则分析
2.1 大数据算法应用原则
在非常规油气资源中，应用大数据算法的目的是获得与某一预期井或者作业相关的大量数据信息，包含数据信息和历史数据等一系列能够为经营者决策提供支持的数据信息，在这一过程中，为准确抓住必要信息，可以采用物理学相关运算算子、分析学相关运算算子、综合运算算子等，准确分析岩石结构动力学、裂缝网络及储层中液流等物理现象，页岩水力裂缝存在情况，对地下水层的影响等特定地层构造及其影响，通过大数据算法分析其中存在的规则、趋势和异常，为数据建模提供有力数据支撑。值得注意的是，不同运算算子的结果会受到数据量、数据质量、获得解析和物理离散算子的方法、实际占据子空间等影响，必须严格遵守应用原则，才能保障结果的精确度。
2.2 大数据算法应用
2.2.1 大数据算法应用及目标确定
在确定储层类型参数、域的大小和范围以及储层质量水平后，需要在保障域的限制条件基础上，将其贯穿整个作业流程，并确保所有特征参数在最大范围内都是正值。例如，在压裂作业中，需要设置多个传感器采集和记录作业前、作业中和作业后的数据信息，包括地震测量、成像测井、微地震测量、伽马射线等，充分考虑不同压力、温度、局部流速和事件强度下所产生的不同结果。同时，还需要利用一定测量技术和算法，确定储层边界和周围区域的特征和性质，包括流体速度、成分浓度、压力、孔隙度、渗透率和裂缝面等[3]。
2.2.2 大数据算法求解工作流程
（1）计算域和数值格式层次
在作业正式实施5分钟左右，所有计算和模拟均开始工作，共采集微地震事件10次以上，其目的是更加方便地定义解域。解域需要重点考虑两个不同选项，动态选项和静态选项，其中动态选项中，储层中的流体可能会随着时间推移发生变化，算法中需要仔细处理计算域中时间可能产生的变化，一旦发生变化，需要采用全相似绘图软件，这说明新域边界与以往边界相互平行，但新域中的网格点远远多于旧的域；静态选项中，算法先计算初始域，随后增加系数F，开始计算时确保整个计算过程为静态。以中等计算域为例，需要考虑全部微地震事件中的相同轴的最小句型，并充分考量另外两个计算域，分别增加和减少20%，对域和边界收敛迭代非常重要。
（2）压力值拟合层次
一般情况下，在时间积分过程中会产生一些与压力值相关的附加信息。这是因为多数情况下储层的压降属于确定值，部分情况下，储层泄漏也会提前设定参数，引出，可以准确计算域的压力梯度，而当给定位置处于特定时间和特定压力值时，可以使用分析相关运算算子算法进行最佳离散拟合[4]。
（3）域和边界收敛层次
域和边界收敛这一层次中，其目的是寻找最佳计算域。例如，当计算程序运行这一层次时，每个迭代都需要运行六次压力值拟合层次迭代，在运行压力值拟合层次迭代时，计算域和数值格式层次需要运行最少30次。域和边界收敛层次、压力值拟合层次、计算域和数值格式层次分别使用了5个、20个、120个处理器，具有处理域的最佳变化、推算收敛速率和排除作用。
3 结束语
综上所述，本文主要用于描述用于非常规油气资源的大数据算法策略，并非是对某一问题的具体解决措施，由文章内容可知，应用大数据算法能够获得更加全面翔实的油气藏地质数据、生产数据、工程数据及相关附加信息，有助于相关产能预算模型的建立。并且，通过大数据算法让海量数据自己说话的方式，能够更加客观真实地揭露非常规油气资源的开发规律，对我国非常规油气资源开发利用具有十分积极的现实指导意义。
参考文献
[1]谢书琴. 数据库技术在油气资源建设中的应用[J]. 中国化工贸易, 2018, 10(022):138.
[2]李大伟, 石广仁. 油气勘探开发常用数据挖掘算法优选[J]. 石油学报, 2018, 39(002):240-246.
[3]李玮伦(Wei-Lun Li), 谢秉融(Ping-Jung Hsieh), 洪作绪(Tso-Hsu Hung),等. 人工智慧与大数据在油气探采之应用[J]. 石油季刊, 2019, 55(4):55-69.
[4]王奭. 基于大数据的高效数据挖掘算法及应用[J]. 信息与电脑(理论版), 2020, v.32;No.461(19):52-53.