BorutaOptunaXGBoost融合模型的聚驱油田产量智能预测方法研究
文档名：BorutaOptunaXGBoost融合模型的聚驱油田产量智能预测方法研究
摘要：在聚驱油田开采时,存在向油层中加注水溶性高分子聚合物的过程,此过程包含大量参数,对油田产量具有较大影响.针对传统油田产量预测方法存在的人工计算量大、准确率低的问题.提出一种Boruta-Optuna-XGBoost融合模型对聚驱油田产量进行预测,解决传统方法存在的问题.通过Boruta特征筛选方法进行聚驱油田特征筛选,降低特征冗余,提高特征相关性,避免模型过拟合;使用Optuna超参数优化算法对XGBoost进行自适应超参数评价,提高模型精度;使用最优超参的XGBoost算法对聚驱油田产量进行回归预测,通过算法建立油田注入参数和油田月产量之间的逻辑关系模型,对聚驱油田的月产量进行预测.所提方法应用在大庆油田的实际有效数据的准确率达95％,证明了方法的有效性,能够对油田的生产效益、资源配置和可持续发展产生影响,也为数字化聚驱油田智能产量预测发展提供了新思路.
Abstract：Accuratepredictionofpolymerfloodingoilfieldproductionplaysanimportantroleinthedevelopmentplanningofoilfields.Intheoilrecoveryprocessofpolymerfloodingoilfields,theprocessofinjectingwater-solublepolymerintotheoillayerrequiresmanyparametersandexertsasignificantimpactontheoilfieldproduction.Toaddresstheissuesofheavycomputationsandlowaccuracyintraditionaloilfieldproductionpredictionmethods,thispaperproposesaBoruta-Optuna-XGBoostfusionmodeltopredicttheproductionofpolymerfloodingoilfields.First,featureredundancyisreduced,featurecorrelationisimproved,andmodelover-fittingispreventedbytheBorutafeatureselectionmethodforpolymerfloodingoilfieldfeatureselection.Second,theOptunahyperparameteroptimizationalgorithmisemployedtoevaluateXGBoostadaptivehyperparametersandimprovemodelaccuracy.Finally,theoptimalhyperparameterXGBoostalgorithmisemployedtoregressandpredicttheproductionofpolymerfloodingoilfields.Alogicalrelationshipmodelbetweenoilfieldinjectionparametersandmonthlyproductionisestablishedthroughthealgorithmtopredictthemonthlyproductionofpolymerfloodingoilfields.ThemethodisappliedtothecollecteddatafromDaqingOilfield,withanaccuracyrateof95％,demonstratingitseffectivenessandimprovingtheproductionefficiency,resourceallocation,andsustainabledevelopmentoftheoilfield.Italsoprovidesanewwayfortheintelligentproductionpredictionindigitalpolymerfloodingoilfields.
作者：田枫曹凯光赵玲张孟阳刘芳苏若禹常丽娟Author：TIANFengCAOKaiguangZHAOLingZHANGMengyangLIUFangSURuoyuCHANGLijuan
作者单位：东北石油大学计算机与信息技术学院,黑龙江大庆163318
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2024, 38(7)
分类号：TE357
关键词：聚驱油田产量预测特征筛选超参评价XGBoost
Keywords：polymerfloodingoilfieldsproductionforecastfeaturescreeninghyperparametricevaluationXGBoost
机标分类号：TP183TP301.6TP273.4
在线出版日期：2024年6月24日
基金项目：黑龙江省自然科学基金项目，黑龙江省高等教育教学改革项目，黑龙江省省属本科高校基本科研业务费项目，黑龙江省哲学社会科学研究规划年度项目Boruta-Optuna-XGBoost融合模型的聚驱油田产量智能预测方法研究[
期刊论文]重庆理工大学学报--2024, 38(7)田枫曹凯光赵玲张孟阳刘芳苏若禹常丽娟在聚驱油田开采时,存在向油层中加注水溶性高分子聚合物的过程,此过程包含大量参数,对油田产量具有较大影响.针对传统油田产量预测方法存在的人工计算量大、准确率低的问题.提出一种Boruta-Optuna-XGBoost融合模型对聚驱...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
Boruta-Optuna-XGBoost融合模型的聚驱油田产量智能预测方法研究Model intelligent prediction of polymer flooding oilfield production based on Boruta-Optuna-XGBoost
Boruta-Optuna-XGBoost融合模型的聚驱油田产量智能预测方法研究.pdf
页:
[1]