大庆石油地质与开发PetroleumGeology＆OilfieldDevelopmentinDaqing2023年2月第42卷第1期Feb.，2023Vol.42No.1DOI：10.19597/J.ISSN.1000-3754.202109045基于机器学习与模型融合的大庆油田SN区块油井压裂效果预测技术蒋文超1，2（1.国家能源陆相砂岩老油田持续开采研发中心，黑龙江大庆163712；2.中国石油大庆油田有限责任公司勘探开发研究院，黑龙江大庆163712）摘要：针对大庆油田油井压裂效果预测方法不确定性大、精度低的问题，利用机器学习与模型融合技术建立了油井压裂效果预测模型。采用统计学方法对SN区块油井压裂效果与地质、工程、生产参数的相关性进行了分析，借助基于LightGBM模型的封装法分析了油井压裂效果影响因素的重要程度，并进行了特征选择；采用支持向量机、神经网络、随机森林和LightGBM4种算法对油井压裂效果进行了预测。在此基础上，利用算术平均、加权平均、堆叠3种方法对4个算法进行融合，得到了精度更高的预测模型，并应用该预测模型对SN区块水力压裂方案进行了设计与优化。结果表明：神经网络建立的模型比其他3种算法精度更高，模型决定系数R2为0.603；融合后的模型预测精度高于每个算法的精度，其中堆叠法效果最好，其R2高达0.899。该数据驱动建模技术具有较强的易用性和可移植性，对压裂方案设计具有一定指导意义。关键词：大庆油田；水力压裂；统计分析；机器学习；模型融合中图分类号：TE357文献标识码：A文章编号：1000-3754（2023）01-0064-09PredictionmodelforproductionwellhydraulicfracturingeffectofBlockSNinDaqingOilfieldbasedonmachinelearningandmodelensembleJIANGWenchao1，2（1.R&DCenterofSustainableDevelopmentofContinentalSandstoneMatureOilfield，Daqing163712，China；2.ExplorationandDevelopmentResearchInstituteofPetroChinaDaqingOilfieldCoLtd，Daqing163712，China）Abstract：AimingattheproblemofmuchuncertaintyandlowaccuracyinpredictionofproductionwellhydraulicfracturinginDaqingOilfield，machinelearningandmodelensembleareusedtoestablishapredictionmodelofpro⁃ductionwellhydraulicfracturingforBlockSN.Statisticalmethodsareusedtoanalyzecorrelationofproductionwellhydraulicfracturingwithgeologicalparameters，engineeringparametersandproductionparameters.Wrappermeth⁃odbasedonLightGBMisusedtoidentifythefactorsinfluencingproductionwellhydraulicf...
