-
题名基于随机森林算法的油气层敏感性损害预测
被引量：4
- 1
-
-
作者
盛科鸣
蒋官澄
-
机构
中国石油大学(北京)人工智能学院
中国石油大学(北京)油气资源与探测国家重点实验室·中国石油大学(北京)石油工程教育部重点实验室·中国石油大学(北京)
-
出处
《钻井液与完井液》
CAS
北大核心
2023年第4期423-430,共8页
-
基金
国家自然科学基金青年科学基金项目“智能钻井液聚合物处理剂刺激响应机理与分子结构设计方法研究”(52004297)
中国博士后创新人才支持计划“大温差智能响应机理及智能恒流变无土相生物油基钻井液研究”(BX20200384)。
-
文摘
储层损害贯穿在油气田勘探开发的各个时期,其种类繁多、损害机理十分复杂。传统岩心流动实验评价储层敏感性的结果可靠,但岩心获取成本高、投入时间和成本大。调研和实践表明,利用神经网络、随机森林等算法基于小规模样本建立的模型可以实现对样本的预测,节约时间和经济成本。基于X区块敏感性室内评价小规模样本资料,选择训练集及测试集,深入对比了BP神经网络算法、径向基函数神经网络算法、随机森林算法,优选出随机森林算法作为储层敏感性损害定量诊断的主要方法,采用网格搜索等算法进行了超参数优化、根据因素权重对数据进行降维,以此提高预测精度,搭建了完整的模型。4种损害模型的R2平均值为0.852,预测精度在90.00%~95.68%。
-
关键词
储层敏感性预测
油气人工智能
随机森林
神经网络
相关性分析
-
Keywords
Reservoir sensibility prediction
Oil and gas AI
Radom forest
Neural network
Correlation analysis
-
分类号
TE258
[石油与天然气工程—油气井工程]
-
