首页|基于改进人工神经网络的页岩气井产量预测模型研究

基于改进人工神经网络的页岩气井产量预测模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
传统页岩气井产量预测方法难以对储层参数、压裂参数与产量的关系做出有效分析,而机器学习方法具有解决这一问题的能力.提出了基于物理意义和随机组合的方法构建特征参数,并采用小批量梯度下降法(MBGD)作为训练函数,建立了针对页岩气井产量预测的改进人工神经网络预测模型.然后结合实例,利用改进后的人工神经网络模型对页岩气井产量进行预测,并通过计算均方误差(MSE)和修正决定系数(T)的值对模型的优劣程度和预测精度进行评价.结果表明,建立的改进神经网络模型预测产量结果与实际产量值吻合度较高,且相比传统的BP(误差反向传播算法)神经网络模型,在预测精度和稳定性方面具有明显优势.该模型能为页岩气储层压裂优化设计以及产能评价提供重要支持.
A model for shale gas well production prediction based on improved artificial neural network

artificial neural networkshale gasfracturing parameterproduction forecastfeature construction

林魂、孙新毅、宋西翔、蒙春、熊雯欣、黄俊和、刘洪博、刘成

展开 >

重庆科技学院安全工程学院,重庆 401331

重庆地质矿产研究院,重庆 401120

人工神经网络 页岩气 压裂参数 产量预测 特征构建

国家自然科学基金青年基金重庆市自然科学基金面上项目重庆科技学院研究生科技创新项目

51904050cstc2020jcyjmsxmX1027YKJCX2120716

2023

10.13809/j.cnki.cn32-1825/te.2023.04.008

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(4)
  • 1
  • 20