使用机器学习方法将地质和地震数据与非常规资源生产曲线相关联

• 作者: Ryan Smith Tapan Mukerji Tony Lupo 史晓星
• 来源期刊: 石油科技动态
• 年，卷（期）: 2020,（12）
• 页码范围: 49-59
• 页数: 11页
• 语种: 中文

摘要

由于工程、地质和地球物理等多种因素对井产能的综合影响,预测非常规油气储层中的井产量具有很大挑战性.我们开发了一种机器学习工作流程,该工作流程将地球物理和地质数据以及工程完井参数整合到了一个预测井产量的模型中.本文的研究区域位于得克萨斯西南部,在Eagle Ford组下段.我们使用一种叫做函数型主成分分析法的时间序列方法来汇总井生产的时间线.接下来,我们将随机森林(一种机器学习回归方法)与我们汇总的油井数据相结合,以预测井生产的全时序列.该模型中的输入数据包括地质、地球物理和工程数据.然后,我们能够以65％-76％的准确性预测生产井的时间序列.该方法将不同的数据类型合并到一个稳定的预测模型中,该模型可用于预测非常规油气资源的井产量.