基于随机森林算法的油气层敏感性损害预测

摘要

储层损害贯穿在油气田勘探开发的各个时期,其种类繁多、损害机理十分复杂。传统岩心流动实验评价储层敏感性的结果可靠,但岩心获取成本高、投入时间和成本大。调研和实践表明,利用神经网络、随机森林等算法基于小规模样本建立的模型可以实现对样本的预测,节约时间和经济成本。基于X区块敏感性室内评价小规模样本资料,选择训练集及测试集,深入对比了BP神经网络算法、径向基函数神经网络算法、随机森林算法,优选出随机森林算法作为储层敏感性损害定量诊断的主要方法,采用网格搜索等算法进行了超参数优化、根据因素权重对数据进行降维,以此提高预测精度,搭建了完整的模型。4种损害模型的R2平均值为0.852,预测精度在90.00%~95.68%。