摘要
本发明涉及一种页岩储层水平井压后产量的模型集成预测方法,包括以下步骤:基于Pearson相关系数,分别计算多种机器学习预测模型对页岩储层水平井压后产量预测的评价指标;选择评价指标值高于1.50的机器学习预测模型作为基模型,采用集成学习算法,构建页岩储层水平井压后产量集成预测模型;利用主控生产参数对页岩储层水平井压后产量集成预测模型进行训练,利用页岩储层水平井压后产量集成预测模型进行页岩储层水平井压后产量预测。本申请可避免在预测过程中陷入局部最优点,可防止模型失去对未知数据的预测能力,可提高机器学习预测方法的泛化性能,改善模型在实际页岩储层水平井压后产量预测中的适应性,提高预测结果的精度,利于解决实际生产问题。
技术关键词
页岩储层
集成预测方法
集成学习算法
广义线性模型
机器学习预测方法
产油量
多层感知机
集成学习框架
随机森林
BP神经网络
支持向量机
参数
液量
指标
精度
关系
数据
系统为您推荐了相关专利信息
机器学习预测方法
机器学习模型
海洋
随机森林模型
经验正交函数
机器学习预测方法
GPR模型
物理性质参数
临界摩擦角
超参数
广义线性模型
大脑结构
决策
动态神经网络
网络分析方法
机器学习预测方法
盾构隧道管片
盾构掘进参数
神经网络预测模型
变形监测数据