基于复合机器算法的致密气井产能预测模型——以鄂尔多斯盆地SM区块为例

作者：柳洁; 田冷^*; 刘士鑫; 李宁; 张佳超; 平曦; 马旭晴; 周建; 张楠

来源：大庆石油地质与开发, 2023, 1-10.

DOI：10.19597/J.ISSN.1000-3754.202306043

• 致密气
• 气井产能
• 机器学习
• 地质参数
• 压裂施工参数
• 鄂尔多斯盆地

产能精准预测是致密气藏经济高效开发的关键环节。传统产能预测方法假设条件严苛，因而在实际现场应用存在精度较低的问题。为了进一步提高致密气产能预测的精度，以鄂尔多斯盆地SM致密砂岩气藏压裂直井作为研究对象，综合考虑地质参数、压裂施工参数，应用K-近邻、多元线性回归、支持向量机、随机森林、BP神经网络和复合机器学习算法搭建了气井产能预测模型，并应用机器学习模型分别预测了SM致密气藏的气井产能；测试集气井产能真实值和预测值的均方误差、均方根误差、平均绝对百分比误差和决定系数分别是1.2、1.1、9.5、0.96。实例分析结果表明，复合机器学习模型预测精度高于其他机器学习模型，决定系数为0.97，相较于气井产能公式提高了0.02，适用于对本区块进行气井产能预测，可以实现基于数据的快速预测，最终选择复合机器学习模型作为研究区气井产能预测模型。研究成果可为致密气藏的产能预测提供理论指导。

• 单位
  中国石油大学（北京）