基于大数据的页岩气产能预测

论文摘要

参数拟合的传统页岩气井产能预测方法存在一定的局限性,引入基于支持向量机的非参数大数据分析方法进行页岩气井产能预测研究。根据生产数据记录以及井底压力随生产过程的变化规律,建立e-SVR支持向量回归模型,对长宁页岩气某区块实际生产数据分别进行了单井和多井的训练及预测检验,其中单井回归检验的相关度系数达到0. 958 556,体现了该方法优秀的回归能力;多井学习模型在前95 d区间内对单井数据的预测也达到了接近单井回归的效果,体现了该方法在密集数据区间内较好的预测能力,为页岩气产能预测提供了新的思路。

论文目录

• 1 统计机器学习与支持向量机方法
• 2 基于支持向量的回归分析
• 3 长宁气田某区块产量预测实例
•   3.1 单井回归模型
•   3.2 多井学习模型
• 4 结论

文章来源

类型: 期刊论文

作者: 祝元宠,咸玉席,李清宇,卢徳唐

关键词: 页岩气,产能预测,大数据,非参数拟合,支持向量机,长宁气田

来源: 油气井测试 2019年01期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 石油天然气工业

单位: 中国科学技术大学石油天然气研究中心

基金: 国家科技重大专项“致密油气藏多尺度介质复杂结构井数值试井分析方法及应用研究”(2017ZX05009005-002),中石油-中科院重大战略合作项目“页岩气钻完井井壁稳定与开发工程技术研究”(2015A-4812),中国科学院战略先导科技专项“页岩气勘探开发基础理论与关键技术”(XDB10030402)

分类号: TE328

DOI: 10.19680/j.cnki.1004-4388.2019.01.001

页码: 1-6

总页数: 6

文件大小: 983K

下载量: 434