基于机器学习的单井套损预测方法

针对套管损坏影响因素多、数据复杂、跨越时间范围和空间范围大、存在非线性、不确定性和时变性等特点,基于数据驱动的理念,采用机器学习技术开展相关研究。首先围绕注水压力、注水量、注水强度、压差等套损影响因素采集油水井历史生产数据,建立单井套损评价指标;其次通过数据预处理、特征参数计算、相关性分析等技术构建单井套损样本集;然后对特征参数的重要性进行评估,形成4套特征组合方案;最后分别采用随机森林和支持向量机算法建立单井套损预测模型,并给出不同特征组合下模型性能参数。试验结果表明:高压注水是影响研究断块注水井套损的主要因素,采用MDA特征组合方案建立的支持向量机模型能够较好地预测套损,准确率达到93.3%。