基于机器学习的单井套损预测方法

发布时间：2021-02-22 23:57

　　针对套管损坏影响因素多、数据复杂、跨越时间范围和空间范围大、存在非线性、不确定性和时变性等特点,基于数据驱动的理念,采用机器学习技术开展相关研究。首先围绕注水压力、注水量、注水强度、压差等套损影响因素采集油水井历史生产数据,建立单井套损评价指标;其次通过数据预处理、特征参数计算、相关性分析等技术构建单井套损样本集;然后对特征参数的重要性进行评估,形成4套特征组合方案;最后分别采用随机森林和支持向量机算法建立单井套损预测模型,并给出不同特征组合下模型性能参数。试验结果表明:高压注水是影响研究断块注水井套损的主要因素,采用MDA特征组合方案建立的支持向量机模型能够较好地预测套损,准确率达到93.3%。 

【文章来源】：中国石油大学学报(自然科学版). 2020,44(04)北大核心

【文章页数】：11 页

【部分图文】：

注水压力不同平滑方法拟合

时间序列平滑后,需要通过有效的手段提取序列中蕴含的确定性信息。大量的案例证明差分运算是一种非常简便、有效的确定性信息提取方法[39],可以避免单个数据异常值对整体趋势的影响(图3)。2.2 时间序列特征参数提取

对注水压力进行时间序列的波动趋势分解,并提取序列的主要成分,如图4所示。在油田开发过程中,由于钻井施工、酸化压裂等作业的影响,需要对部分井进行长时间或者短时间关井。关井后,油水井各项生产指标为0,此时的随机波动较大。在进行套损影响因素分析的时候,钻关是其中的一个因素,可以通过时间序列特征量化钻关指标。最终提取的时间序列特征项如表3所示。


本文编号：3046731