264 / 2023-07-20 23:43:27

基于改进随机森林算法的致密油产能评价及预测方法

致密油产能预测是进行开发方案设计的前提。油藏数值模拟方法需要的数据量多，成本高，工作量较大。而传统的机器学习随机森林方法同样存在对数据类型要求高，样本量较小时易产生欠拟合等缺点。贝叶斯优化使用高斯过程回归计算随机森林过程的不确定性，对原有的随机森林模型进行优化，可以用于调整随机森林算法中的超参数。基于国内某油田致密油水平井生产数据，结合地质因素、工程因素以及累产数据，使用KNN相邻算法与皮尔逊系数对油田数据进行预处理，优选对油井累积产量最大的10个影响因素作为特征向量输入到改进后随机森林模型中，建立贝叶斯优化随机森林智能产量预测模型，用于预测一年到四年间的累产油量与累产液量。通过网格化搜索模型参数调优，该模型预测精度可达91%，模型决定系数R²为0.923.相较于传统神经网络模型，改进后的随机森林模型可以有效减少迭代次数，避免维度爆炸，具有更高稳定性及准确性，更加适用于实际致密油产能预测过程。