基于机器学习的单井套损预测方法

TE329; 针对套管损坏影响因素多、数据复杂、跨越时间范围和空间范围大、存在非线性、不确定性和时变性等特点,基于数据驱动的理念,采用机器学习技术开展相关研究.首先围绕注水压力、注水量、注水强度、压差等套损影响因素采集油水井历史生产数据,建立单井套损评价指标;其次通过数据预处理、特征参数计算、相关性分析等技术构建单井套损样本集;然后对特征参数的重要性进行评估,形成4套特征组合方案;最后分别采用随机森林和支持向量机算法建立单井套损预测模型,并给出不同特征组合下模型性能参数.试验结果表明:高压注水是影响研究断块注水井套损的主要因素,采用MDA特征组合方案建立的支持向量机模型能够较好地预测套损,准确...

Full description

Saved in:
Bibliographic Details
Published in中国石油大学学报（自然科学版） Vol. 44; no. 4; pp. 57 - 67
Main Authors 赵艳红, 姜汉桥, 李洪奇, 刘洪涛, 韩大伟, 王英男, 刘灿超
Format Journal Article
LanguageChinese
Published 中国石油大学(北京)石油工程学院,北京102249 20.08.2020
中国石油大学(北京)石油数据挖掘北京市重点实验室,北京102249
中国石油大学(北京)人工智能学院,北京102249%中国石油大学(北京)石油工程学院,北京,102249%中国石油大学(北京)石油数据挖掘北京市重点实验室,北京,102249%中国石油大庆油田第七采油厂,黑龙江大庆,163517
Subjects
数据驱动
时间序列
套管损坏
套损预测
机器学习
Online AccessGet full text
ISSN1673-5005
DOI10.3969/j.issn.1673-5005.2020.04.007

Cover

More Information
Summary:TE329; 针对套管损坏影响因素多、数据复杂、跨越时间范围和空间范围大、存在非线性、不确定性和时变性等特点,基于数据驱动的理念,采用机器学习技术开展相关研究.首先围绕注水压力、注水量、注水强度、压差等套损影响因素采集油水井历史生产数据,建立单井套损评价指标;其次通过数据预处理、特征参数计算、相关性分析等技术构建单井套损样本集;然后对特征参数的重要性进行评估,形成4套特征组合方案;最后分别采用随机森林和支持向量机算法建立单井套损预测模型,并给出不同特征组合下模型性能参数.试验结果表明:高压注水是影响研究断块注水井套损的主要因素,采用MDA特征组合方案建立的支持向量机模型能够较好地预测套损,准确率达到93.3％.
ISSN:1673-5005
DOI:10.3969/j.issn.1673-5005.2020.04.007