基于机器学习的页岩气井产量评价与预测

---

一、论文摘要

目的：对页岩气井产量进行评价与预测

方法：

1. 考虑地址因素和工程因素，整合页岩气开采全周期地质、钻井、压裂、生产等数据。
2. 对原始数据进行缺失值插补、相关性分析、异常值处理、主成分分析，减小数据噪声。
3. 采用聚类分析方法对页岩气井产量进行评价，研究影响页岩气井产量的主要因素。
4. 最后采用随机森林方法预测页岩气藏气井产量。

结果：
压裂因素对页岩气井产量评价结果影响最大，调参后的页岩气井产量预测结果准确度达到90%以上。

意义：
现有解析模型与实际页岩气井差异较大，数值模拟计算难度大、效率低，导致页岩气井产量预测难度大。基于机器学习的模型能够用于页岩气井预测。

---

二、论文结果图

数据样本的所有特征参数

特征参数的相关性分析

剔除与目标值相关性低的特征参数后，保留的备选因素

异常值筛选

对筛选出的15个特征参数进行主成分分析后，降维得到5个特征值大于1的变量

利用k均值聚类法，对降维后的5个特征值进行分析，得到Y1对页岩气井产量评价的影响最大

模型参数

---

三、总结

文章脉络