基于机器学习的页岩气井产量评价与预测
页岩气井产量评价与预测对页岩气高效开发具有重要意义,现有解析模型的假设条件与实际页岩气井差异较大,数值模型计算难度大、效率低、不确定性高,导致页岩气井产量预测难度大.基于机器学习方法综合考虑地质因素与工程因素,整合页岩气开采全周期地质、钻井、压裂、生产等数据,对A页岩气藏气井产量进行了评价与预测.首先,对原始数据体进行处理,包括缺失值插补、相关性分析、异常值处理、主成分分析等,以减小数据的噪声;其次,采用聚类分析方法对页岩气井产量进行评价,研究影响A页岩气藏气井产量的主要因素;最后,应用随机森林方法预测A页岩气藏气井产量.结果表明:A区块页岩气藏中产量优、中、劣等井分别占比36.4％、37.8％、25.8％,其中压裂因素对A页岩气井产量评价结果影响最大.调参后的页岩气井产量预测结果准确度达到90％以上,预测结果较好,表明本文模型能够用于页岩气井产量预测.
页岩气;产量预测;机器学习;聚类分析;随机森林;智慧油气田
43
TE377(油气田开发与开采)
国家自然科学基金委员会青年科学基金"致密气藏多井动态缝网数值试井理论研究";中国博士后科学基金面上项目"致密气藏复杂缝网表征与水平井产气位置诊断方法研究"
2022-01-06（万方平台首次上网日期，不代表论文的发表时间）
共7页
518-524
