文献类型：期刊文章

作　　者：檀朝东[1] 贺甲元[2] 周彤[2] 刘健康[1] 宋文容[3]

TAN Chaodong;HE Jiayuan;ZHOU Tong;LIU Jiankang;SONG Wenrong(State Key Laboratory of Petroleum Resource and Prospecting,China University of Petroleum,Changping,Beijing 102249,China;Petroleum Exploration and Production Research Institute,SINOPEC,Haidian,Beijing 100083,China;Beijing Yadan Petroleum Technology Development Co.Ltd.,Changping,Beijing 102200,China)

机构地区：[1]中国石油大学(北京)油气资源与探测国家重点实验室,北京昌平102249 [2]中国石化石油勘探开发研究院,北京海淀100083 [3]北京雅丹石油技术开发有限公司,北京昌平102200

出　　处：《西南石油大学学报（自然科学版）》

基　　金：国家自然科学基金(51974327);国家科技重大专项(2016ZX05043–004)。

年　　份：2020

卷　　号：42

期　　号：6

起止页码：56-62

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、PA、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：国内外学者在已有大量国外页岩压裂样本数据的前提下,开展了基于机器学习的页岩气压裂有效期预测及压裂参数优化的研究。随着近年来中国F气田不断地规模开发,积累了大量的压裂施工、生产动态、解释成果数据。通过利用已有的200口井的压裂施工历史数据及储层物性参数建立贝叶斯神经网络模型来优化压裂施工参数。选取对压裂效果有影响的储层物性参数、完井参数、压裂施工参数,用皮尔逊相关系数法分析11个参数的相关性;用主成分分析法(PCA)进一步降维处理,以降维后的主成分作为贝叶斯神经网络模型的输入参数,以压裂效果评价指标(有效期)为输出参数,引入贝叶斯方法自适应调整正则化系数避免神经网络过拟合,生成三层贝叶斯神经网络预测模型。用200口井中90%的井数据作为训练集,10%的井数据作为测试集,对该模型进行训练,实验结果表明,训练后该模型预测测试集的相对误差均值在5%以内,可以用来优化压裂施工参数。

关 键 词：压裂 主成分分析 贝叶斯神经网络 施工参数  优化  

分 类 号：TE319]