| 基于机器学习的页岩气产能非确定性预测方法研究 |
| |
| 引用本文： | 马文礼,李治平,孙玉平,张静平,邓思哲.基于机器学习的页岩气产能非确定性预测方法研究[J].特种油气藏,2019,26(2):101. |
| |
| 作者姓名： | 马文礼 李治平 孙玉平 张静平 邓思哲 |
| |
| 作者单位： | （1.中国地质大学（北京），北京 100083；2.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，北京 100083；3. 中国石油勘探开发研究院，河北廊坊065007；4.中国华腾工业有限公司，北京 100080） |
| |
| 基金项目： | 国家科技重大专项课题“页岩气开发规模预测及开发模式研究”（2016ZX05037-006） |
| |
| 摘 要： | 针对页岩气确定性产能预测方法误差较大的问题，综合最大信息系数相关性分析方法、混合支持向量机技术及“蒙特卡洛—马尔科夫链”模拟，提出一种基于机器学习的页岩气产能非确定性预测方法。运用该方法，可根据已投产页岩气井的地质及工程数据，对拟钻页岩气井未来的产能进行非确定性预测。24口页岩气井算例分析结果表明：利用该方法进行产能非确定性预测的准确率为70.8%，且预测结果为“大概率事件”的井占54.2%，说明该方法有较高的预测精度且预测结果满足概率统计规律。研究成果对国内外页岩气开发方案的优化有重要意义。
|
| 关 键 词： | 产能预测 非确定性 页岩气 混合支持向量机 蒙特卡洛&mdash 马尔科夫链 机器学习 |
|
| 点击此处可从《特种油气藏》浏览原始摘要信息 |
|
点击此处可从《特种油气藏》下载全文 |
|
