基于改进人工神经网络的页岩气井产量预测模型研究

摘要：

传统页岩气井产量预测方法难以对储层参数、压裂参数与产量的关系做出有效分析,而机器学习方法具有解决这一问题的能力.提出了基于物理意义和随机组合的方法构建特征参数,并采用小批量梯度下降法(MBGD)作为训练函数,建立了针对页岩气井产量预测的改进人工神经网络预测模型.然后结合实例,利用改进后的人工神经网络模型对页岩气井产量进行预测,并通过计算均方误差(MSE)和修正决定系数(T)的值对模型的优劣程度和预测精度进行评价.结果表明,建立的改进神经网络模型预测产量结果与实际产量值吻合度较高,且相比传统的BP(误差反向传播算法)神经网络模型,在预测精度和稳定性方面具有明显优势.该模型能为页岩气储层压裂优化设计以及产能评价提供重要支持.

关键词：人工神经网络、页岩气、压裂参数、产量预测、特征构建

所属期刊栏目：13

分类号：TE32(油气田开发与开采)

资助基金：国家自然科学基金;重庆市自然科学基金面上项目;重庆科技学院研究生科技创新项目

在线出版日期：2023-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：467-473