煤層氣產(chǎn)量評價和預(yù)測是煤層氣開發(fā)工程決策的關(guān)鍵基礎(chǔ)。隨機森林算法具有計算量小、精確度高的優(yōu)點。影響煤層氣井產(chǎn)能的參數(shù)包含地質(zhì)參數(shù)、工程措施和排采工藝參數(shù)。煤儲層地質(zhì)參數(shù)分為動態(tài)參數(shù)和靜態(tài)參數(shù)兩個部分。靜態(tài)地質(zhì)參數(shù)由煤層的本質(zhì)屬性決定,如:煤層埋深、煤層厚度、地應(yīng)力等;動態(tài)地質(zhì)參數(shù)在排采過程中發(fā)生動態(tài)變化,如儲層壓力、滲透率等。排采工藝參數(shù)多為動態(tài)參數(shù),主要受人為調(diào)控,如井底流壓、套壓、動液面深度、沖次、沖程等。當(dāng)煤層氣井完成選址、鉆井、水力壓裂等條件進(jìn)入生產(chǎn)階段,排采工藝參數(shù)對其產(chǎn)量影響至關(guān)重要。基于隨機森林算法,分析了沁水盆地鄭村區(qū)塊15號煤層8口煤層氣井的地質(zhì)參數(shù)和排采工藝參數(shù)對產(chǎn)氣量的影響,計算得到了排采工藝參數(shù)對煤層氣井產(chǎn)氣量影響的重要性指標(biāo)排序,即流壓>套壓>動液面>沖次>沖程>埋深。將煤層氣井最近60 d的生產(chǎn)數(shù)據(jù)作為產(chǎn)氣量預(yù)測的測試樣本,其余歷史生產(chǎn)數(shù)據(jù)作為學(xué)習(xí)樣本。學(xué)習(xí)樣本經(jīng)過缺失值處理、異常數(shù)據(jù)處理后,輸入至R語言中,利用隨機森林算法對歷史產(chǎn)氣量進(jìn)行擬合分析。綜合考慮排采工藝參數(shù)和歷史產(chǎn)氣量的動態(tài)變化對煤層氣井后續(xù)日產(chǎn)氣量的影響,建立了煤...

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1 分類樹的分類原理

根據(jù)隨機森林算法對分類樹和回歸樹的定義[21],將分類樹、回歸樹的計算原理及流程總結(jié)如圖1,2所示。圖1分類樹的最后一層為分類標(biāo)簽,其他節(jié)點可以認(rèn)為是某個特征屬性。按照特征判定標(biāo)準(zhǔn)逐步進(jìn)行判定,直到最后一步得到分類結(jié)果。如圖2所示的回歸樹中所有節(jié)點均為某一個待回歸屬性。按照特征判....

圖2 回歸樹的回歸原理

圖1分類樹的分類原理隨機森林算法的回歸精度由回歸樹的誤差函數(shù)e(A)來體現(xiàn):

圖3 自變量重要性與節(jié)點純度

以A358井為例,將套壓、流壓、動液面、沖程、沖次、煤層埋深、日產(chǎn)氣等參數(shù)與產(chǎn)量數(shù)據(jù)輸入至R語言中,使用隨機森林算法進(jìn)行相關(guān)性(重要性)挖掘。將日產(chǎn)氣量作為因變量,將套壓、流壓、動液面、沖程、沖次、煤層埋深作為自變量,得到重要性指標(biāo)(IncMSE與IncNodePurity)如圖....

圖4 各參數(shù)預(yù)處理前后的對比

以A358井為例,異常數(shù)據(jù)預(yù)處理前后的套壓、井底流壓等參數(shù)如圖4所示。2.4煤層氣歷史產(chǎn)量的擬合分析

本文編號：4016078