基于机器学习与模型融合的大庆油田SN区块油井压裂效果预测技术

作者：蒋文超

来源：大庆石油地质与开发, 2023, 42(01): 64-72.

DOI：10.19597/j.issn.1000-3754.202109045

• 大庆油田
• 水力压裂
• 统计分析
• 机器学习
• 模型融合

针对大庆油田油井压裂效果预测方法不确定性大、精度低的问题，利用机器学习与模型融合技术建立了油井压裂效果预测模型。采用统计学方法对SN区块油井压裂效果与地质、工程、生产参数的相关性进行了分析，借助基于LightGBM模型的封装法分析了油井压裂效果影响因素的重要程度，并进行了特征选择；采用支持向量机、神经网络、随机森林和LightGBM4种算法对油井压裂效果进行了预测。在此基础上，利用算术平均、加权平均、堆叠3种方法对4个算法进行融合，得到了精度更高的预测模型，并应用该预测模型对SN区块水力压裂方案进行了设计与优化。结果表明：神经网络建立的模型比其他3种算法精度更高，模型决定系数R2为0.603；融合后的模型预测精度高于每个算法的精度，其中堆叠法效果最好，其R2高达0.899。该数据驱动建模技术具有较强的易用性和可移植性，对压裂方案设计具有一定指导意义。

• 单位
  大庆油田有限责任公司勘探开发研究院