-
题名机器学习预测油气产量现状
被引量：16
- 1
-
-
作者
黄家宸
张金川
-
机构
中国石化石油勘探开发研究院
中国地质大学(北京)能源学院
自然资源部页岩气资源战略评价重点实验室
非常规天然气能源地质评价与开发工程北京市重点实验室
-
出处
《油气藏评价与开发》
CSCD
2021年第4期613-620,共8页
-
基金
国家自然科学基金项目“页岩含气性关键参数测试及智能评价系统”(41927801)。
-
文摘
机器学习是一种通用的数据驱动分析方法,也是一个重要的油气大数据分析利用手段。油气勘探开发作为具有悠久历史和庞大数据基础的重要领域,具有很大的数据挖掘潜力。利用油气田大数据分析技术可以帮助决策者进行投资分析、风险评估、生产优化,带来巨大的经济效益。机器学习方法早已被研究人员尝试应用于油气领域相关研究,随着机器学习算法的发展,许多应用场景被不断提出,但针对具体场景的通用方案仍在探索中。笔者从最基本原理着手介绍了机器学习的建模过程,梳理了用于油气田大数据分析的3类主要机器学习方法的发展历史,结合油气田大数据的特点,讨论了油气田大数据分析利用的核心内容、目标及优势,分析了机器学习在油气领域的主要应用场景,总结了目前典型油气产量预测中存在的问题及对策。
-
关键词
油气田大数据
数据驱动模型
产量预测
机器学习
智能油田
-
Keywords
big data of oil and gas field
data-drive model
production forecast
machine learning
intelligent oilfield
-
分类号
TE328
[石油与天然气工程—油气田开发工程]
-
