基于数据驱动的地下储气库地层压力预测

地层压力是制定注采井工作制度和监测储气库运行的重要参数,鉴于数值模拟认识地层压力涉及到复杂的地质建模和高质量的历史拟合,提出一种数据驱动的储气库地层压力预测方法.引入注采气量比重数值加权最优规整路径筛选压力监测井,采用3种机器学习算法建立监督学习地层压力预测模型,即极端梯度提升(extreme gradient boosting,XGBoost)、支持向量回归(support vector regression,SVR)和长短期记忆网络(long short-term memory network,LSTM).实验结果发现,3种预测模型的预测性能从高到低排序为SVR、XGBoost和LSTM,其中,SVR模型的预测性能最稳定;引入注采气量比重数值筛选压力监测井,提升了预测模型的预测性能.研究表明,依靠纯数据驱动方法,将常规地面监测数据直接用来解释为地下储气库的地层压力,非常适合地下储气库的现场应用.