典型文献
基于可解释机器学习的水平井产能预测方法
文献摘要：
准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节.现有的产能预测方法,引入了过多的假设和简化,很难全面反映致密储层流体多尺度的运移机理和复杂物理过程,导致产能预测误差较大.提出一种基于机器学习的致密气藏分段压裂水平井产能预测方法,该方法综合利用已收集的地质、压裂水平井产能及钻完井等多类型数据,通过机器学习算法直接挖掘数据内部规律,建立产能预测模型.此外,为解决常规机器学习模型的"黑盒子"问题,还利用SHAP(SHapley Additive exPlanations)方法对建立的机器学习模型进行全局和局部解释,分析影响产能的主要因素,增加了模型的可信性和透明度.以苏里格气田苏东示范区为例,验证了该方法的有效性和实用性.与油气藏数值方法相比,该方法不仅提高了产能预测的精度,而且缩短了建模周期,加快了计算速度.
文献关键词：
分段压裂水平井;机器学习;产能预测;可解释性;数据驱动;SHAP方法
中图分类号：
作者姓名：
马先林;周德胜;蔡文斌;李宪文;何明舫
作者机构：
西安石油大学石油工程学院,陕西西安710065;西部低渗—特低渗油藏开发与治理教育部工程研究中心,陕西西安710065;中国石油长庆油田公司油气工艺研究院,陕西 西安710018
文献出处：
引用格式：
[1]马先林;周德胜;蔡文斌;李宪文;何明舫-.基于可解释机器学习的水平井产能预测方法)[J].西南石油大学学报（自然科学版）,2022(04):81-90
A类：
B类：
可解释机器学习,准确预测,致密气藏,分段压裂水平井,压裂效果评价,致密储层,储层流体,运移,杂物,物理过程,预测误差,基于机器学习,压裂水平井产能预测,钻完井,多类型数据,机器学习算法,内部规律,产能预测模型,机器学习模型,黑盒子,SHAP,SHapley,Additive,exPlanations,局部解,可信性,透明度,苏里格气田,苏东,油气藏,数值方法,计算速度,可解释性
AB值：
0.308517
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
