一种基于梯度提升树算法的多种驱油体系变循环组合方法

本发明公开了一种基于梯度提升树算法的多种驱油体系变循环组合方法。所述方法包括如下步骤：S1、驱油体系变循环组合大规模学习样本构建；S2、梯度提升树预测模型建立。本发明梯度提升树算法通过集成多棵弱决策树逐步优化模型误差，在保持灵活性和可解释性的同时，具备强鲁棒性和抗过拟合能力，可在每一步上加权组合多个弱学习器，使其具有很高的预测能力和精度。本发明在梯度提升树算法的基础上，通过设计恰当的深度神经网络对大规模学习样本进行挖掘学习，可捕获数值计算过程的内在规律，进而替代数值计算中耗时的大规模矩阵迭代，在显著降低计算耗费的同时实现多种驱油体系变循环驱油过程的精确预测求解。