一种基于集成学习的油田采收率预测方法

摘要

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。