科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统页岩气井产量预测方法难以对储层参数、压裂参数与产量的关系做出有效分析，而机器学习方法具有解决这一问题的能力。提出了基于物理意义和随机组合的方法构建特征参数，并采用小批量梯度下降法（MBGD）作为训练函数，建立了针对页岩气井产量预测的改进人工神经网络预测模型。然后结合实例，利用改进后的人工神经网络模型对页岩气井产量进行预测，并通过计算均方误差（MSE）和修正决定系数（T）的值对模型的优劣程度和预测精度进行评价。结果表明，建立的改进神经网络模型预测产量结果与实际产量值吻合度较高，且相比传统的BP（误差反向传播算法）神经网络模型，在预测精度和稳定性方面具有明显优势。该模型能为页岩气储层压裂优化设计以及产能评价提供重要支持。
-
单位重庆科技学院; 重庆地质矿产研究院
