期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于可解释机器学习的水平井产能预测方法 被引量:16
1
作者 马先林 周德胜 +2 位作者 蔡文斌 李宪文 何明舫 《西南石油大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第4期81-90,共10页
准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节。现有的产能预测方法,引入了过多的假设和简化,很难全面反映致密储层流体多尺度的运移机理和复杂物理过程,导致产能预测误差较大。提出一种基于机器学习的致密... 准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节。现有的产能预测方法,引入了过多的假设和简化,很难全面反映致密储层流体多尺度的运移机理和复杂物理过程,导致产能预测误差较大。提出一种基于机器学习的致密气藏分段压裂水平井产能预测方法,该方法综合利用已收集的地质、压裂水平井产能及钻完井等多类型数据,通过机器学习算法直接挖掘数据内部规律,建立产能预测模型。此外,为解决常规机器学习模型的“黑盒子”问题,还利用SHAP(SHapley Additive exPlanations)方法对建立的机器学习模型进行全局和局部解释,分析影响产能的主要因素,增加了模型的可信性和透明度。以苏里格气田苏东示范区为例,验证了该方法的有效性和实用性。与油气藏数值方法相比,该方法不仅提高了产能预测的精度,而且缩短了建模周期,加快了计算速度。 展开更多
关键词 分段压裂水平井 机器学习 产能预测 可解释性 数据驱动 SHAP方法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部