梯度提升以提高水力压裂效率
机器学习
2019-05-28 v3 机器学习
摘要
本文提出一种数据驱动模型，用于预测水力压裂（HF）后的增产情况。我们使用某西伯利亚油田压裂作业的数据，包含表征作业的特征与地质信息。为预测压裂后的油率，应用了机器学习（ML）技术。我们将基于 ML 的预测与负责 HF 作业规划的油藏及生产工程师的经验预测进行比较，并讨论了 ML 技术用于预测 HF 后油率变化的进一步发展潜力。
引用
@article{arxiv.1902.02223,
title = {Gradient Boosting to Boost the Efficiency of Hydraulic Fracturing},
author = {Ivan Makhotin and Dmitry Koroteev and Evgeny Burnaev},
journal= {arXiv preprint arXiv:1902.02223},
year = {2019}
}
备注
10 pages, 5 figures