机器学习在石油领域中得到广泛应用，油田开发过程中机器学习的主控因素直接决定其可靠性及效率。以某区块一井组火驱项目为例，利用决策树、随机森林和AdaBoost这3种算法，选择含水率、月注气量和油压等7种生产指标为特征变量，以月产油量为目标变量，进行特征重要性分析。结果表明，随机森林预测精度优于决策树与AdaBoost算法，依此筛选出的主控因素为含水率、月注气量和油压。筛选的主控因素可降低机器学习工作的复杂程度，帮助选择影响产油量的重要生产指标。
科研之友
微信
新浪微博
Facebook
分享链接
