典型文献
基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测
文献摘要:
致密油储层因具有渗透率与产能低下的特点,多采用大型水力压裂改造储层来提高采收率,根据不同的地质、压裂参数变化,预测改造后的采收率对于压裂施工改造有良好的指导作用.目前多因素影响的致密油压裂后采收率预测理论模型,难以实时准确地根据压裂方式及参数来预测压裂后油藏采收率变化.为进一步提升致密油的采收率预测精确度,引进机器学习进行预测,基于极限梯度爬升算法(extreme gradient boosting algorithm,XGBoost)和支持向量回归算法(support vector re-gression algorithm,SVR)进行了 一定改进得到变权组合模型XGBoost-SVR,模型借鉴残差进化机制,实现加权融合系数的最优组合,该组合模型可对两种单模型进行优势互补,避免了因单一模型参数导致的范围性误差,增大模型预测容错率.首先对致密油的采收率影响因素进行收集整理,分析地质因素、储层因素和工程因素对采收率的影响,构造相关原始数据集;其次将预处理后数据集输入SVR单模型和XGBoost单模型分别进行训练,得出单模型预测值;最后采用基于残差的自适应的变权组合方法建立XGBoost-SVR组合模型,得到各模型最终预测结果,明确采收率影响因素及各影响因素权重比.模型预测结果表明:与SVR和XGBoost单模型相比,组合模型在预测精度达到94.63%,表现出更好的适应性.
文献关键词:
致密油;采收率预测;极限梯度爬升算法-支持向量回归算法(XGBoost-SVR);机器学习
中图分类号:
作者姓名:
张金水;田冷;黄诗慧;董鹏举
作者机构:
中国石油大学(北京)石油工程学院,北京102200
文献出处:
引用格式:
[1]张金水;田冷;黄诗慧;董鹏举-.基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测)[J].科学技术与工程,2022(12):4778-4787
A类:
B类:
爬升,支持向量回归算法,变权组合,组合模型,采收率预测,致密油储层,渗透率,水力压裂,压裂改造,提高采收率,压裂参数,参数变化,压裂施工,多因素影响,油压,预测理论,压裂方式,油藏,预测精确度,extreme,gradient,boosting,algorithm,XGBoost,support,vector,gression,SVR,进得,进化机制,加权融合,最优组合,该组,单模,优势互补,大模型,容错率,收集整理,地质因素,工程因素,关原,原始数据,集输,组合方法,影响因素权重,权重比
AB值:
0.310981
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。