特种油气藏

• 油藏工程 • 上一篇    下一篇

基于机器学习的页岩气产能非确定性预测方法研究

马文礼1,2,李治平1,2,孙玉平3,张静平3,邓思哲4   

  1. 1.中国地质大学(北京),北京 1000832.非常规天然气能源地质评价与开发工程北京市重点实验室,北京 1000833. 中国石油勘探开发研究院,河北廊坊0650074.中国华腾工业有限公司,北京 100080
  • 出版日期:2019-04-25 发布日期:2019-05-28
  • 作者简介:马文礼(1988—),男,2011年毕业于中国石油大学(华东)俄语专业,现为中国地质大学(北京)矿产普查与勘探专业在读博士研究生,现从事地质建模与数值模拟及人工智能等方面的研究工作。
  • 基金资助:
    国家科技重大专项课题“页岩气开发规模预测及开发模式研究”(2016ZX05037-006)

  • Online:2019-04-25 Published:2019-05-28

摘要: 针对页岩气确定性产能预测方法误差较大的问题,综合最大信息系数相关性分析方法、混合支持向量机技术及“蒙特卡洛—马尔科夫链”模拟,提出一种基于机器学习的页岩气产能非确定性预测方法。运用该方法,可根据已投产页岩气井的地质及工程数据,对拟钻页岩气井未来的产能进行非确定性预测。24口页岩气井算例分析结果表明:利用该方法进行产能非确定性预测的准确率为70.8%,且预测结果为“大概率事件”的井占54.2%,说明该方法有较高的预测精度且预测结果满足概率统计规律。研究成果对国内外页岩气开发方案的优化有重要意义。

关键词: 产能预测, 非确定性, 页岩气, 混合支持向量机, 蒙特卡洛&mdash, 马尔科夫链, 机器学习