典型文献
基于随机森林机器学习的井筒完整性失效预判研究
文献摘要：
目前井筒完整性研究主要围绕当前态的风险量化与评估,尚未形成对未来井筒完整性失效的预判技术.为了研究井筒完整性失效预判方法,基于目标油气田中生产井的7项关键属性形成大数据矩阵,随机抽取和建立数据子集,利用随机森林机器学习算法挖掘各属性与井筒完整性之间的隐含联系,研发了井筒完整性预判方法,分别针对3项离散型和4项连续型属性,详细阐述了随机森林决策树的产生步骤、分裂原理和核心算法.通过引入随机参数加强算法的鲁棒性;通过引入生产时间属性,实现了预判未来发生井筒完整性失效时间的目的,最后结合实例分析,验证了基于随机森林的井筒完整失效预判方法的可行性,具备实践指导意义.
文献关键词：
随机森林;井筒完整性;机器学习;预判方法;大数据
中图分类号：
作者姓名：
袁俊亮;谢仁军;李文拓;殷志明
作者机构：
中海油研究总院有限责任公司,北京100028;中海石油(中国)有限公司湛江分公司,广东湛江524057
文献出处：
引用格式：
[1]袁俊亮;谢仁军;李文拓;殷志明-.基于随机森林机器学习的井筒完整性失效预判研究)[J].科技通报,2022(02):55-60
A类：
随机森林决策
B类：
井筒完整性,风险量化,预判方法,油气田,田中,生产井,关键属性,数据矩阵,随机抽取,子集,机器学习算法,别针,离散型,连续型,决策树,核心算法,随机参数,生产时间,实践指导
AB值：
0.261721
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。
