四川
第50卷 第4期
作者：李華洋, 曹志鵬, 吳小龍, 朱施杰, 鄧金根, 張水良
作者單位：
1. 中國石油大學（北京）石油工程學院；
2. 中國石油大學（北京） 油氣資源與探測國家重點實驗室；
3. 中國科學院武漢巖土力學研究所 巖土力學與工程國家重點實驗室；
4. 重慶大學 煤礦災害動力學與控制國家重點實驗室；
5. 中海油天津分公司
摘要：針對傳統的地層破裂壓力預測方法預測精度較低、普適性不高等問題，提出基于LightGBM機器學習算法構建破裂壓力智能預測模型。以井深、地層密度和孔隙壓力當量密度作為模型的輸入層數據，以S區塊中相鄰的3口直井為例驗證模型的預測效果，并將LightGBM模型與常用的聲波測井資料法進行預測結果的對比分析，最后進行模型的參數敏感性分析。研究結果表明，LightGBM模型的預測精度和穩定性均很好，模型的泛化能力強，5項評價指標均表現得十分優越。LightGBM模型的預測相對誤差不超過2%，小于聲波測井資料法。所有輸入層數據中地層密度對于破裂壓力的預測最為敏感。利用LightGBM機器學習算法所建立的破裂壓力預測模型不受地質環境的影響，其預測精度也大于聲波測井資料法。
關鍵詞：破裂壓力；機器學習；LightGBM算法；壓力預測
【征文】系列
【期刊】系列
【科普】系列
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
