基于随机森林回归的清防垢加药量预测方法

复合驱由于强碱化学剂的注入易造成严重的结垢现象,而预测清防垢加药量是制定科学的清防垢方案的关键。为了获得一种具有较强实用价值和较高预测精度的复合驱清防垢加药量的预测方法,该文将随机森林回归算法应用到复合驱清防垢加药量预测。首先,分析并处理影响清防垢加药量的20维特征,利用随机森林回归的特征重要性评估功能对影响加药量的众多特征进行筛选;然后,通过网格搜索和K折交叉验证的方式得到最优参数组合,建立随机森林回归的复合驱清防垢加药量预测模型;最后,通过大庆市某采油厂三元复合驱某区块的清防垢数据,验证预测模型的有效性,并与CART回归、SVM回归和ANN进行对比。实验结果证明,该方法可以实现清防垢加药量的有效预测,较对比模型的预测精度高出约23%,且其预测效果较为稳定,同时经过特征筛选的方式可以提高模型的预测精度,约比未经特征筛选的随机森林回归模型高1.86%。