Boruta-Optuna-XGBoost融合模型的聚驱油田产量智能预测方法研究

摘要

在聚驱油田开采时，存在向油层中加注水溶性高分子聚合物的过程，此过程包含大量参数，对油田产量具有较大影响。针对传统油田产量预测方法存在的人工计算量大、准确率低的问题。提出一种Boruta-Optuna-XGBoost融合模型对聚驱油田产量进行预测，解决传统方法存在的问题。通过Boruta特征筛选方法进行聚驱油田特征筛选，降低特征冗余，提高特征相关性，避免模型过拟合；使用Optuna超参数优化算法对XGBoost进行自适应超参数评价，提高模型精度；使用最优超参的XGBoost算法对聚驱油田产量进行回归预测，通过算法建立油田注入参数和油田月产量之间的逻辑关系模型，对聚驱油田的月产量进行预测。所提方法应用在大庆油田的实际有效数据的准确率达95%,证明了方法的有效性，能够对油田的生产效益、资源配置和可持续发展产生影响，也为数字化聚驱油田智能产量预测发展提供了新思路。

关键词

聚驱油田 / 产量预测 / 特征筛选 / 超参评价 / XGBoost