综合性审查数据驱动的方法预测非传统水库的产量:最佳实践和未来的方向
Hamid Rahmanifard1, Ian Gates1
1Department of Chemical and Petroleum Engineering, Schulich School of Engineering, University of Calgary, 2500 University Dr. NW, Calgary, AB T2N 1N4 Canada.
Artificial intelligence review
|July 25, 2024
概括
数据分析技术 (DAT) 改善了非传统水库产量预测. 机器学习模型显示预测和实际生产之间有很强的一致性,大多数模型实现了低误差率和高相关性,提高了可靠性.
科学领域:
- 石油工程是石油工程中的一个.
- 数据科学数据科学数据科学
- 地质科学 地质科学
背景情况:
- 由于不完全理解物理学,预测非传统水库的产量是具有挑战性的.
- 数据分析技术 (DAT) 提供了一个有前途的方法,通常与基于物理的模型相结合.
- DAT利用数据驱动的方法来解决水库的不确定性和异质性.
研究的目的:
- 审查和比较DAT在非传统水库产量预测方面的表现.
- 检查各种预测模型,算法,验证基准和数据类型.
- 确定这个领域的优势,局限性,挑战和未来的研究机会.
主要方法:
- 对生产预测的各种预测模型的分析.
- 基于输入数据,井数和形成类型的模型评估.
- 使用平均绝对百分比误差 (MAPE) 和确定系数 (R2) 进行性能测量.
主要成果:
- 基于机器学习 (ML) 的模型表现出令人满意的性能.
- 大约65%的模型实现了低于20%的MAPE.
- 超过80%的模型显示R2值大于0.6,表明强烈的同意.
结论:
- DAT,特别是ML模型,可以显著提高非传统资源生产预测的可靠性和稳定性.
- 未来的研究应该专注于新的ML算法,将DAT与基于物理的模型集成,并开发多视角性能比较方法.
