典型文献
基于机器学习的页岩气井井间干扰评价及预测
文献摘要：
页岩气藏井间干扰严重制约气井生产,井间干扰程度评价与预测对页岩气高效开发具有重要意义.现有研究主要聚焦页岩气井间干扰现象、生产动态特征以及数值模拟参数优化等方面,但页岩气井间干扰程度定量评价及预测方面的研究较少,且参数体系不全,难以客观评价页岩气井间干扰程度.因此,采用机器学习方法综合考虑地质参数、压裂参数及生产参数,对A页岩气藏井间干扰程度进行评价及预测.先对初始数据进行数据处理,提高数据质量,然后基于处理后的数据,应用聚类分析及随机森林算法评价及预测Y页岩气井间干扰程度.结果表明:A页岩气藏中井间干扰程度低、中、高的井数占比分别为25.93％、37.03％、37.04％,其中压裂因素对A页岩气藏井间干扰程度评价结果影响最大.调参后的页岩气井间干扰程度预测结果达到92.07％,表明所建立的预测模型可应用于实际页岩气井间干扰程度预测,且模型精确度较高,为页岩气井井间干扰量化评价及预测提供了一种有效手段.
文献关键词：
页岩气;井间干扰程度评价;井间干扰程度预测;机器学习;K-Means;随机森林
中图分类号：
作者姓名：
张庆;何封;何佑伟
作者机构：
中国石油集团川庆钻探工程有限公司页岩气勘探开发项目经理部,四川成都610051;西南石油大学油气藏地质及开发工程国家重点实验室,四川成都610500
文献出处：
引用格式：
[1]张庆;何封;何佑伟-.基于机器学习的页岩气井井间干扰评价及预测)[J].油气藏评价与开发,2022(03):487-495
A类：
井间干扰程度评价,井间干扰程度预测
B类：
基于机器学习,页岩气井,井井,评价及预测,页岩气藏,气井生产,评价与预测,高效开发,干扰现象,生产动态,动态特征,模拟参数,定量评价,参数体系,客观评价,机器学习方法,地质参数,压裂参数,生产参数,数据质量,随机森林算法,算法评价,数占,中压,结果影响,量化评价,Means
AB值：
0.178992
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。
