基于XGBoost算法的吸水剖面预测方法研究
吸水剖面可以很好的体现地层非均质性和各层的吸水程度，而实际生产中要得到吸水剖面，需对每口水井进行测试分析，此过程消耗大量人力物力，故实测吸水剖面资料有限。此外，吸水剖面影响因素多，各因素关系复杂。针对上述状况，利用机器学习方法进行预测，具体实现步骤如下：首先对历史监测资料及测井解释结果进行收集，开展每一口井吸水剖面的统一表征工作，以每个吸水层段渗透率递减顺序排列吸水剖面解释结果，然后对各层累加的kh值比例进行插值处理作为曲线的横坐标，以累加的各层的相对吸水百分数插值处理后作为纵坐标绘制每口井次的吸水剖面的洛伦兹曲线，表征吸水剖面纵向上差异程度。利用灰色关联度分析法筛选影响相对吸水量的关键指标，以夹角链码方法提取吸水剖面洛伦兹曲线特征值，共同构建吸水剖面数据样本库。采用XGBoost算法搭建吸水剖面学习模型，利用网格搜索方法进行调参得到最优模型，训练完成吸水剖面预测模型。利用训练得到的模型可以预测指定时刻下每口注水井的吸水剖面洛伦兹曲线，并采用曲线反演法还原出各注水井各层吸水比例。实例验证表明，本次构建的预测模型可以对有剖面井、无剖面井进行吸水剖面预测，其中预测结果与实测剖面相比，误差小于10％。与传统方法相比，本方法考虑因素全面，预测精度高，鲁棒性强。
吸水剖面预测 洛伦兹曲线 夹角链码 机器学习 XGBoost
王雅萱 谷建伟 魏志勇 刘红波
中国石油大学(华东)
国内会议
北京
中文
1-11
2021-03-01（万方平台首次上网日期，不代表论文的发表时间）