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：TIANFeng CAOKaiguang ZHAOLing ZHANGMengyang LIUFang SURuoyu CHANGLijuan
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：polymerfloodingoilfields productionforecast featurescreening hyperparametricevaluation XGBoost
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
- 文件大小:
- 1.48 MB
- 下载次数:
- 60
-
高速下载
|
|
