基于树形回归法预测页岩油藏压裂水平井产能研究OA

页岩油井水平段体积压裂段数多且产能差异大,常规产能预测和压裂效果评价难度大,借助机器学习建立一种稳定、高效的智能产能预测方法是提升页岩油藏开发的有效途径。使用吉木萨尔页岩油藏的91口生产井的地质参数、工程参数和生产数据库,基于热力学图版和特征参数相关性分析对参数进行验证,从14个特征参数中确定6个涵盖地质因素与施工因素的最佳主控因素。采用树形回归法的决策树(DT)、随机森林(RF)和梯度提升决策树(GBDT)三种机器学习方法进行产量预测建模,利用均方根误差对模型性能进行评估。研究结果表明,含水率、含油饱和度、加砂量、压裂液用量、压裂段簇数和压裂级数是影响压裂水平井产能的主控因素;随机森林模型的预测效果最好,预测准确度达到94%,测试集均方根误差为0.934;三种树形模型中的随机森林模型优于决策树模型和梯度提升决策树模型,解决了其他树形模型的过拟合问题。