基于机器学习的致密储层水平井压裂缝尺度特征预测方法

摘要

为了解决致密储层压裂缝尺度预测中存在的精度不足的问题，构建了一种融合黑翅鸢优化算法（black winged kite algorithm, BKA）与（random forest, RF）算法随机森林的多目标回归预测模型。首先，以鄂尔多斯盆地长4+5和长6储层为研究对象，通过现场数据和FrSmart压裂数值模拟软件生成大规模样本集，覆盖多种地质与施工条件；其次，采用皮尔逊相关系数和RF算法，确定了影响裂缝长、宽、高的关键地质与施工因素，并对这些因素进行相关性分析与重要性排序；最后，利用BKA优化RF模型的超参数，对裂缝尺度特征进行预测。结果表明：施工参数对裂缝尺度影响最为显著，地质参数主要控制裂缝形态；所构建的BKA-RF模型在裂缝长、宽、高预测中均优于粒子群优化随机森林（particle swarm optimization-random forest, PSO-RF）模型，其中缝长预测的测试集平均相对误差仅为2.44%,决定系数R²超过0.94。该模型不仅为压裂参数优化与现场施工设计提供了可靠支撑，也为致密油气藏的高效开发提供了新的技术路径。

关键词

人工智能其他学科 / 机器学习 / 致密储层 / 水平井压裂 / 裂缝尺度

基金资助

陕西省技术创新引导专项计划项目(2023-YD-CGZH-02)