中文

基于博弈论、机器学习和优化方法的混合数据驱动页岩气生产动态分析框架

应用统计 2022-06-08 v3

摘要

对页岩气生产动态进行全面而精确的分析,对于评估资源潜力、设计气田开发方案和制定投资决策至关重要。然而,由于生产动态受一系列地质和工程因素之间复杂相互作用的支配,定量分析可能具有挑战性。在本研究中,我们提出了一种用于分析页岩气生产动态的混合数据驱动流程,该流程包含一个用于主导因素分析、产量预测和开发优化的完整工作流。更具体地说,将博弈论和机器学习模型耦合起来,以确定主导的地质和工程因素。采用具有明确物理意义的Shapley值来定量衡量单个因素的影响。训练一个多模型融合的堆叠模型用于产量预测,并在此基础上引入无导数优化算法来优化开发方案。该完整工作流通过从中国四川盆地涪陵页岩气田收集的实际生产数据进行了验证。验证结果表明,所提出的流程能够以量化的证据得出严谨的结论,从而为开发方案优化提供具体且可靠的建议。与传统和基于经验的方法相比,该混合数据驱动流程在效率和准确性方面均具有优势。

关键词

引用

@article{arxiv.2112.04243,
  title  = {Hybrid Data-driven Framework for Shale Gas Production Performance Analysis via Game Theory, Machine Learning and Optimization Approaches},
  author = {Jin Meng and Yujie Zhou and Tianrui Ye and Yitian Xiao},
  journal= {arXiv preprint arXiv:2112.04243},
  year   = {2022}
}

备注

37 pages, 15 figures, 6 tables