本发明公开了一种基于集成学习的油田采收率预测方法,其特征在于提取地质因素、开发状况因素等油田历史数据进行采收率标记,形成油田历史初始数据集;采用皮尔逊相关系数计算油田初始数据集中各特征得分,保留前k列特征,构建油田历史最优数据集;根据油田差异性设置多个CART决策树基类预测器,采用线性加权的方式组合各基类预测器,形成油田采收率强预测器,实现油田采收率预测。本发明采用决策树挖掘地质因素、开发状况因素与油田采收率的内在联系,建立适用于油田开发各时期的油田采收率预测器;根据油田间的差异性设置多个基类预测器,以集成学习思想形成油田采收率强预测器,提高油田采收率预测器的预测精度,实现油田采收率的准确预测。
声明:
“基于集成学习的油田采收率预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)