1. 压裂后产能评价与递减曲线对比导论

压裂改造后的产能评价，是连接“工程改造效果”与“经济开发决策”的关键环节。压裂施工结束、压后返排投产之后，工程师面对的核心问题并不是“这口井压得好不好”这样笼统的判断，而是一系列可以被数据回答的具体问题：这口井的稳定产能到底是多少？改造带来的增产是真实的储层贡献，还是短期返排效应？产量随时间下降的规律属于哪一类递减？与邻井、与同层位其他压裂井相比，本井的递减是偏快还是偏慢？这些问题的答案，直接决定了后续的配产制度、重复压裂时机、井网调整以及经济评价结论。

本课程围绕“压裂后产能评价”与“递减曲线对比”两条主线展开。前者解决“如何把压后产量数据转化为可比较的产能指标”，后者解决“如何用递减规律刻画产能的时间演化并进行井间、层间、方案间的横向对比”。两者不是并列关系，而是前后衔接：产能评价给出一个时间截面上的能力刻画，递减分析给出这一能力随时间的演化轨迹，而递减曲线对比则把不同井、不同压裂方案、不同开发阶段的轨迹放在同一坐标系下判断优劣。理解这一整体逻辑，是后续各章方法能够正确落地的前提。

课程要解决的核心问题

压裂后的产量数据具有明显的“三段性”：返排初期的高产、过渡期的快速下降、以及进入拟稳态后的缓慢递减。如果直接用初期高产去评价改造效果，往往会高估；如果只用后期递减段去外推，又可能忽略早期返排对数据的污染。因此，本课程首先要求建立正确的数据分段意识：哪些点属于返排控制段，哪些点进入地层控制段，哪些点已经受到配产或井底流压调整的干扰。只有把数据段划分清楚，产能指标和递减参数才有物理意义。

在此基础上，课程要回答四类问题。第一类是指标口径问题：压后产能可以用初期稳定产量、指定返排制度下的日产、单位压差采油指数、或压裂后产能倍数等不同口径表达，不同口径适用于不同对比目的，混用会导致结论失真。第二类是递减模型选择问题：指数递减、双曲递减、调和递减以及现代分段递减模型，各自对应不同的储层与流动机制，选错模型会让外推储量出现系统性偏差。第三类是对比基准问题：井间对比必须控制层位、井距、压裂规模、生产制度等变量，否则“递减快”可能只是配产高的结果。第四类是经济界限问题：递减曲线最终要落到经济极限产量上，才能判断单井经济寿命与改造投资的回收周期。

评价与递减对比的整体逻辑框架

把上述问题组织起来，可以得到一个从数据到决策的四层框架。最底层是数据准备层：整理日产油/气、日产水、井口与井底流压、返排率、压裂施工参数（段数、簇数、加砂量、入井液量）以及层位与完井信息，完成异常点剔除与时间归一化。第二层是产能刻画层：在划分流动段的基础上，计算压后稳定产能指标，必要时用压降或压恢资料校正采油指数，形成单井的产能“快照”。第三层是递减建模层：对进入地层控制段的数据拟合递减参数（初始递减率、递减指数、初始产量），并做外推合理性检查。第四层是对比与决策层：在统一基准下做井间、方案间、阶段间的递减曲线对比，结合经济极限产量给出配产、重复改造或井网调整建议。

上图给出的是本课程的整体骨架。需要强调的是，四层之间并非单向流水线，而是存在反馈：对比层发现某口井递减异常偏快时，往往要回到数据准备层检查是否存在返排干扰或压力计漂移，也可能回到递减建模层重新判断流动段划分是否合理。这种“对比—回溯—修正”的循环，是实际产能评价工作的常态。

一个用于说明口径差异的教学示例

为使抽象框架可感知，这里给出一个明确标注为教学假设的示例。假设某致密油井压后返排投产，第1个月日产油 28 t/d，第3个月降至 16 t/d，第6个月降至 11 t/d，第12个月降至 8 t/d，此后进入缓慢递减。若直接取第1个月产量作为“压后产能”，得到 28 t/d；若取第3个月作为返排结束后的稳定产量，得到 16 t/d；若用第6至12个月数据拟合指数递减，得到初始产量约 12 t/d、月递减率约 6%。三种口径分别对应“峰值能力”“过渡期能力”“拟稳态能力”，数值差异接近三倍。若不做口径说明就把本井 28 t/d 与邻井 15 t/d 直接对比，结论会完全相反。这个示例说明：产能评价的第一要务是口径统一，第二要务才是数值精度。

学习本课程后应具备的能力

完成本课程的学习，读者应当能够独立完成一条完整的分析链：从压后生产数据中识别流动段并剔除异常点；选择并计算合适的压后产能指标；根据储层与流动特征选择递减模型并完成参数拟合与外推检查；在控制变量的前提下绘制并解读递减曲线对比图；最终把对比结论转化为配产、重复改造或井网调整的具体建议。后续章节将围绕这条链条逐段展开，分别深入数据诊断、产能指标计算、递减模型、对比方法与经济界限等具体方法。

需要提醒的是，压裂后产能评价本质上是一个“数据质量决定结论上限”的工作。再精细的递减模型，也无法弥补流动段划分错误带来的偏差；再漂亮的对比曲线，也不能替代对生产制度变化的核实。因此在进入具体方法之前，先建立“先看数据、再选模型、后做对比”的顺序意识，比记住任何一个公式都更重要。