典型文献
基于深度森林算法的油井产量预测
文献摘要：
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.
文献关键词：
深度森林;产量预测;特征选择;机器学习
中图分类号：
作者姓名：
薛永超;袁志乾;金青爽;张春辉;赵天龙;刘佳;李海龙
作者机构：
中国石油大学(北京)石油工程学院,北京 102249;中海石油(中国)有限公司天津分公司,天津300452;中国石油长庆油田分公司,庆阳 745100
文献出处：
引用格式：
[1]薛永超;袁志乾;金青爽;张春辉;赵天龙;刘佳;李海龙-.基于深度森林算法的油井产量预测)[J].科学技术与工程,2022(11):4327-4334
A类：
propogation
B类：
深度森林算法,油井产量,产量预测,机器学习算法,法理论,合油,项数,预测新模型,nearest,neighbor,KNN,Score,标准化方法,平均不纯度减少,mean,decrease,impurity,MDI,特征选择,选择方法,方法选择,产量影响,特征向量,深度森林模型,林产,网格化,搜索优化,测试集,运行模型,模型性能,back,算法模型,准确预测,深度神经网络,杂学,算法参数,方法和思路
AB值：
0.389122
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。
