基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测

张金水; 田冷; 黄诗慧; 董鹏举

首页> 中文期刊> 《科学技术与工程》 >基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测

基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

致密油储层因具有渗透率与产能低下的特点,多采用大型水力压裂改造储层来提高采收率,根据不同的地质、压裂参数变化,预测改造后的采收率对于压裂施工改造有良好的指导作用。目前多因素影响的致密油压裂后采收率预测理论模型,难以实时准确地根据压裂方式及参数来预测压裂后油藏采收率变化。为进一步提升致密油的采收率预测精确度,引进机器学习进行预测,基于极限梯度爬升算法(extreme gradient boosting algorithm,XGBoost)和支持向量回归算法(support vector regression algorithm,SVR)进行了一定改进得到变权组合模型XGBoost-SVR,模型借鉴残差进化机制,实现加权融合系数的最优组合,该组合模型可对两种单模型进行优势互补,避免了因单一模型参数导致的范围性误差,增大模型预测容错率。首先对致密油的采收率影响因素进行收集整理,分析地质因素、储层因素和工程因素对采收率的影响,构造相关原始数据集;其次将预处理后数据集输入SVR单模型和XGBoost单模型分别进行训练,得出单模型预测值;最后采用基于残差的自适应的变权组合方法建立XGBoost-SVR组合模型,得到各模型最终预测结果,明确采收率影响因素及各影响因素权重比。模型预测结果表明:与SVR和XGBoost单模型相比,组合模型在预测精度达到94.63%,表现出更好的适应性。

著录项

来源
《科学技术与工程》 |2022年第12期|4778-4787|共10页
作者
张金水; 田冷; 黄诗慧; 董鹏举;
展开▼
作者单位

中国石油大学(北京)石油工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类 TE331;
关键词
致密油; 采收率预测; 极限梯度爬升算法-支持向量回归算法(XGBoost-SVR); 机器学习;

相似文献

中文文献
外文文献
专利

1. 基于遗传算法优化支持向量回归机的网格负载预测模型 [J] . 唐阔 ,胡国圣 ,车喜龙 . 吉林大学学报（理学版） . 2010,第002期
2. 基于阴阳对算法优化的随机森林与支持向量机组合模型及径流预测实例 [J] . 何国栋 ,崔东文 . 人民珠江 . 2019,第003期
3. 基于文化算法的支持向量机组合预测模型 [J] . 陈涛 . 统计与决策 . 2010,第21期
4. 基于集合经验模态分解和套索算法的短期风速组合变权预测模型研究 [J] . 杨磊 ,黄元生 ,张向荣 . 电力系统保护与控制 . 2020,第010期
5. 基于遗传算法的BP-LSSVM组合变权模型权重优化的短期电价预测研究 [J] . 黄元生 ,张利君 . 煤炭工程 . 2019,第005期
6. 一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法 [C] . 胡友涛 ,胡昌华 . 第二十二届中国过程控制会议 . 2011
7. 基于属性选择算法和支持向量机的组合预测模型研究 [A] . 周永胜 . 2017

基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测

摘要

著录项

相似文献

相关主题

期刊订阅