申请/专利权人:西南石油大学
申请日:2023-12-20
公开(公告)日:2024-03-22
公开(公告)号:CN117744486A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/10;G06N20/20;G06F111/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明提供了一种基于机器学习的固井注水泥顶替效率评价方法,属于油田开发技术领域,具体步骤为,基于现场完井井身结构数据建立全井筒物理模型,将物理模型导入Fluent软件的mesh模块进行网格划分,之后导入case模块随机生成多组处于合理流体参数范围内的注水泥模拟方案,结合的网格文件,数值模拟得出多组顶替模拟结果的原始数据集,归一化处理结果,采用随机森林算法优选出最优回归预测模型参数,并基于原始数据集中模拟方案得出各参数相对于顶替效率的重要性,并预测顶替效率;本发明操作简单、计算时间短、操作难度小,通过随机森林算法中特征重要性分析,可以有效分析出各参数对顶替效率的重要性,模拟过程还原现场条件,使得模拟结果更加准确。
主权项:1.一种基于机器学习的固井注水泥顶替效率评价方法,其特征在于,包括以下步骤:步骤S1:基于现场完井井身结构数据,采用建模软件建立全井筒物理模型;步骤S2:将物理模型导入Fluent软件的mesh模块进行网格划分;步骤S3:将划分得到的网格文件导入Fluent软件的case模块,基于现场流体的相关参数,随机生成多组处于合理流体参数范围内的注水泥模拟方案,结合导入case模块的网格文件,数值模拟得出多组顶替模拟结果的原始数据集;步骤S4:对顶替模拟结果进行归一化处理;步骤S5:采用随机森林算法优选出最优回归预测模型参数,并基于原始数据集中的模拟方案得出各参数相对于顶替效率的重要性;步骤S6:从原始数据集中随机选取至少5组数据,代入随机森林回归预测模型预测顶替效率。
全文数据:
权利要求:
百度查询: 西南石油大学 一种基于机器学习的固井注水泥顶替效率评价方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。