文献

J-GLOBAL ID：202202274409530038   整理番号：22A0903835

物理的拘束eXtreme勾配ブースティング(XGBoost)ツリーに基づく沖合方向井の初期生産性を予測するためのデータ駆動モデル【JST・京大機械翻訳】

A data-driven model for predicting initial productivity of offshore directional well based on the physical constrained eXtreme gradient boosting (XGBoost) trees

著者 (7件)： Dong Yintao (CNOOC Research Institute, Beijing, 100028, China) ,  Qiu Ling (CNOOC Research Institute, Beijing, 100028, China) ,  Lu Chuan (CNOOC Research Institute, Beijing, 100028, China) ,  Song Laiming (CNOOC Research Institute, Beijing, 100028, China) ,  Ding Zupeng (CNOOC Research Institute, Beijing, 100028, China) ,  Yu Yang (PetroChina Research Institute of Petroleum Exploration and Development, Beijing, 100083, China) ,  Chen Guanzhong (CNOOC Research Institute, Beijing, 100028, China)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 211  ページ： Null  発行年： 2022年 
JST資料番号： T0412A  ISSN： 0920-4105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 方向性油井の初期生産性は,沖合油田の初期開発段階の研究に不可欠である。生産性の影響因子が多数であるので,それらの間の非線形関係と生産性は,実際的応用における物理モデルによって正確に記述することが難しい。データ駆動モデルは,生産性とその影響因子の間の物理的相関を無視するが,この問題を扱う代替法を提供する。したがって,物理モデルとデータ駆動モデルの利点を組み合わせるために,貯留層工学理論を,本研究におけるデータ駆動方法を制約するために使用した。eXtreme勾配ブースティング(XGBoost)ツリーアルゴリズムに基づいて,本論文は,初期生産性を予測するために,新規物理的制約データ駆動モデルを提案した。生産性式と生産性と入力特性の間の単調相関を含む貯留層工学理論を,このモデルにおける物理的制約として採用した。さらに,Spearman相関係数と修正再帰特性除去を組み合わせて,初期生産性の主な影響因子を定量的に選択するための特徴選択法を開発した。87井からの生産と地質データに基づいて,浸透率,完成した厚さ,油粘度,粘土含有量,干渉の正しい因子,チョークサイズ,および水位低下を,初期生産性の主な影響因子として19の特徴から選択した。本論文で提案したモデルの予測精度は80.18%であり,これは以前のデータ駆動モデルより良い。さらに,物理的制約は,データ駆動法の予測精度を10.09%改善することを証明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 粘度 ,  *生産性 ,  海底油田 ,  相関係数 ,  特徴選択 ,  油井 ,  水位低下 ,  *モデル ,  地質 ,  浸透率
準シソーラス用語： 予測精度 ,  物理モデル ,  影響因子 ,  *データ駆動 ,  貯留層 , 【Automatic Indexing@JST】

著者キーワード (5件)： 初期生産性 ,  データ駆動モデル ,  極値勾配ブースティングツリー ,  物理的制約 ,  方向性油井

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (7件)： 物理 ,  拘束 ,  勾配ブースティング ,  初期 ,  予測 ,  データ駆動 ,  モデル