科研之友
微信
新浪微博
Facebook
分享链接
摘要
低渗储层的区域延展性大、油气生产效率低，以及钻井和储层改造作业频繁等特点使得多年在常规油气藏生产作业中所总结出的知识体系与开发方式不能很好地应用于此。借助AI技术快速掌握储层数据信息、提升认知水平、高效制定工程措施，是实现致密储层降本增效开发的新方法。从数据挖掘的角度出发，收集了来自加拿大Cardium致密储层1 286口井的50余种影响参数，利用敏感性测试深入探索了该低渗储层历史产量与地理/物性/工程等多维参数的相关性，通过建立和综合对比多种机器学习技术优选出最佳的产量预测模型；为了增加数据利用效用，应用了k-Fold交叉验证方法可以显著改善模型预测精度。结果表明，在所有机器学习算法中随机森林方法表现突出，优化模型可以将产量预测的准确率提高到85%以上。这项研究为海外低渗油气田的储层快速评价、项目综合决策和开发中的降本增效提供了有力的保障。
- 单位
