Журнал нефтяной и экологической биотехнологии

Абстрактный

Прогнозирование добычи нефти и газа на основе моделей машинного обучения: случай месторождения Вольве

Морено Миллан

Современные методы прогнозирования дебитов добычи нефти и газа в масштабах скважин и резервуаров включают в себя классический анализ кривых падения через численные имитационные модели. В настоящей работе предлагается использовать следующие модели машинного обучения (MLM): линейную регрессию (LR), опорные векторные машины (SVM), случайный лес (RF) и искусственную нейронную сеть (ANN) в качестве альтернативы традиционным методам прогнозирования дебитов добычи нефти и газа. Применение этого предложения демонстрируется на основе данных о добыче, зарегистрированных в течение 8 лет в скважинах месторождения Вольве, расположенного на норвежском континентальном шельфе. Таким образом, обсуждаются преимущества каждого из вышеупомянутых MLM, и на основе практического опыта делается вывод о том, что не всегда более сложный алгоритм является лучшим выбором. Демонстрируется, что альтернатива SVM дает наилучшие результаты, и это также более простая и легкая в реализации модель по сравнению с альтернативами RF или ANN.