基于机器学习的页岩油藏合理焖井时间预测

针对页岩油藏焖井开发过程中，合理焖井时间难以确定、影响因素多、计算难度大等问题，开展了基于机器学习的页岩油藏合理焖井时间优化研究。基于Y区块268口压裂水平井物性与施工参数，进行了数值模拟合理焖井时间的循环优选计算，并生成机器学习数据集。利用支持向量回归、多变量线性回归以及多层神经网络方法，分别建立了合理焖井时间预测模型，输入参数包括11个主要物性与施工参数。测试结果表明，新模型计算的合理焖井时间具有较高精度，预测准确率最高可达到94%。通过对比可以得知，在该模型条件下，支持向量回归法的准确率明显高于其他两种方法，具有较高适用性。毛管力大小、入地液量以及原油黏度对合理焖井时间影响较大，相关系数分别为0.202,0.170和0.159,在焖井方案设计中应重点考虑。经过机器学习优化后，Y区块X-1生产井累产油增长了约8.5%。