基于深度森林算法的油井产量预测

• 作者: 薛永超 袁志乾 金青爽 张春辉 赵天龙 刘佳 李海龙
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 深度森林 产量预测 特征选择 机器学习
• 年，卷（期）: 2022,（11）
• 所属期刊栏目: 论文|Papers
• 页码范围: 4327-4334
• 页数: 8页
• 分类号: TE328
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2022.11.009

摘要

为了克服传统机器学习算法产量预测模型的缺点,以深度森林算法理论为基础,综合油井相关各项数据,建立了油井产量预测新模型.首先应用K最邻近算法(K-nearest neighbor,KNN)和Z-Score标准化方法对油井相关数据进行预处理,利用平均不纯度减少(mean decrease impurity,MDI)特征选择方法选择对油井产量影响最大的特征向量,然后将选出的特征向量作为深度森林模型的输入变量,建立深度森林产量预测模型,利用网格化搜索优化模型参数,最后在测试集上运行模型,对模型性能进行评估.研究结果表明,相对于BP(back propogation)神经网络等传统机器学习算法模型,深度森林模型的产量预测精度更高,可以准确预测油井产量,同时相对于深度神经网络等复杂学习算法,该算法参数少、调参及应用简单,为油井产量预测提供了一种新的方法和思路.