基于深度森林算法的油井产量预测

为了克服传统机器学习算法产量预测模型的缺点,以深度森林算法理论为基础,综合油井相关各项数据,建立了油井产量预测新模型。首先应用K最邻近算法(K-nearest neighbor,KNN)和Z-Score标准化方法对油井相关数据进行预处理,利用平均不纯度减少(mean decrease impurity,MDI)特征选择方法选择对油井产量影响最大的特征向量,然后将选出的特征向量作为深度森林模型的输入变量,建立深度森林产量预测模型,利用网格化搜索优化模型参数,最后在测试集上运行模型,对模型性能进行评估。研究结果表明,相对于BP(back propogation)神经网络等传统机器学习算法模型,深度森林模型的产量预测精度更高,可以准确预测油井产量,同时相对于深度神经网络等复杂学习算法,该算法参数少、调参及应用简单,为油井产量预测提供了一种新的方法和思路。

二氧化碳泡沫封窜体系筛选与评价

CO2泡沫控制气窜、改善流度比,是目前较热门的一种封窜方法。当泡沫在孔隙介质中渗流时,其渗流特性非常独特,能改善驱替流体在非均质油层内的流动状况,并有效地降低气体流度。实验采用CO2气体充气法筛选出稳定起泡剂CY-I,并采用Ross-Miless法评价起泡体积为435ml,半衰期244min,用CO2气体充气法评价,半衰期82min,体系表面张力30.3mN/m,界面张力0.41mN/m,表界面张力较低,能在地层中起到一定的驱油作用。实验结果表明:CY-I起泡剂与注入水配伍性好,经泡高仪Ross-Miles法和充气法检测,起泡能力强和半衰期长。