基于机器学习与博弈论的油井多层合采产量劈分方法

专利主权项内容

1.基于机器学习与博弈论的油井多层合采产量劈分方法，其特征在于，包括以下步骤：S1、获取油井动静态参数作为数据集：获取油井每层的静态参数及获取油井月生产动态参数，对油井每层的静态参数降维计算为单个参数，将油井每层所代表的参数联合油井月生产动态参数作为单个油井总参数，该单个油井总参数作为单个样本，将所有油井的样本数据串联作为产量预测模型的数据集；S2、搭建基于机器学习的产量预测模型：构建CatBoost产量预测模型，利用S1中数据集训练CatBoost产量预测模型，并进行产量预测结果预测；S3、构建机器学习与SHAP融合模型：将CatBoost产量预测模型融入到基于博弈论算法的SHAP解释器中，得到CatBoost-SHAP融合模型；S4、计算参数贡献值：利用CatBoost-SHAP融合模型计算单个样本中油井每层所代表的参数和各个动态参数对产量预测结果的贡献值；S5、计算小层劈分系数；提取S4中油井每层所代表的参数对产量预测结果的贡献度的绝对值，计算小层劈分系数；S6、计算小层劈分后的各层产油量；基于小层劈分系数获得油井各个小层的产油量。