基于机器学习的页岩气产能非确定性预测方法研究

• 作者: 孙玉平 张静平 李治平 邓思哲 马文礼
• 来源期刊: 特种油气藏
• 学科: 工学
• 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-马尔科夫链 机器学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 油藏工程
• 页码范围: 101-105
• 页数: 5页
• 分类号: TE349
• 字数: 3238字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6535.2019.02.018

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张静平		10	53	3.0	7.0
2	孙玉平		14	60	5.0	6.0
3	邓思哲		1	3	1.0	1.0