首页|基于随机森林的页岩气"甜点"分类方法

基于随机森林的页岩气"甜点"分类方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为了解决页岩气"甜点"分类识别涉及指标多、需要根据个人经验判别、耗时耗力的问题,提出了一种基于随机森林模型的页岩气"甜点"分类方法.首先,选取长宁区的10口井数据,利用肯德尔相关分析筛选出用于识别的11种特征.然后再分别采用单棵决策树和随机森林方法进行预测,得到页岩气"甜点"识别结果.最后,对预测结果分类并进行算法参数优化.实际应用结果表明,单棵决策树预测精度虽可以达到97.7％,但呈现过拟合趋势,且剪枝之后拟合精度大大降低到只有70.7％;采用的随机森林方法避免了单棵决策树的缺陷,并且预测的精度达到98％,而且,计算代价小,能有效降低时间损耗、节省人力成本.证明随机森林机器学习方法结合多源信息是实现页岩气"甜点"识别预测的一种有效手段.
Classification of shale gas "sweet spot" based on Random Forest machine learning

聂云丽、高国忠

展开 >

长江大学非常规油气省部共建协同创新中心,湖北武汉430100

长江大学地球物理与石油资源学院,湖北武汉430100

页岩气 "甜点" 机器学习 决策树 随机森林

长江大学非常规油气省部共建协同创新中心开放基金

UOG2022-05

2023

10.13809/j.cnki.cn32-1825/te.2023.03.011

油气藏评价与开发
中国石油化工集团公司华东石油局

油气藏评价与开发

CSTPCDCSCD北大核心
影响因子：0.461
ISSN：2095-1426
年,卷(期)：2023.13(3)
  • 1
  • 30