科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了克服传统机器学习算法产量预测模型的缺点，以深度森林算法理论为基础，综合油井相关各项数据，建立了油井产量预测新模型。首先应用K最邻近算法(K-nearest neighbor, KNN)和Z-Score标准化方法对油井相关数据进行预处理，利用平均不纯度减少(mean decrease impurity, MDI)特征选择方法选择对油井产量影响最大的特征向量，然后将选出的特征向量作为深度森林模型的输入变量，建立深度森林产量预测模型，利用网格化搜索优化模型参数，最后在测试集上运行模型，对模型性能进行评估。研究结果表明，相对于BP(back propogation)神经网络等传统机器学习算法模型，深度森林模型的产量预测精度更高，可以准确预测油井产量，同时相对于深度神经网络等复杂学习算法，该算法参数少、调参及应用简单，为油井产量预测提供了一种新的方法和思路。
- 单位
