一种基于集成学习建立的海相页岩原地气量预测模型制造技术

本发明专利技术公开了一种基于集成学习建立的页岩原地气量预测模型，包括以下步骤：输入原地气量和地质参数，并且将原地气量和地质参数构成一个开放式的数据集，对所述数据集进行聚类分析以确定不同地质参数对原地气量的影响权重；依据聚类分析的影响权重，将不同地质参数输入至不同的预测模型中，并根据平均绝对百分比误差和决定系数筛选基模型以及适配的特征参数，并建立最终的预测元模型；利用最终的预测模型以及对应的特征参数对具有相同或相近地质条件的无含气性数据的井段进行预测，并根据预测外推并评价其含气性剖面；本发明专利技术能够有效利用有限的数据，有效地避免信息遗漏或者过度拟合，从而构建精准的预测模型。从而构建精准的预测模型。从而构建精准的预测模型。

【技术实现步骤摘要】
一种基于集成学习建立的海相页岩原地气量预测模型


[0001]本专利技术涉及原地气量预测
，具体涉及一种基于集成学习建立的海相页岩原地气量预测模型。

技术介绍

[0002]伴随着绿色低碳能源的广阔前景和双碳目标的发展要求，页岩气成为了目前最现实的清洁资源之一，页岩含气性是其勘探潜力最直观的表现，含气性越高，则勘探潜力越大，在实际地质特征中，由于页岩含气量受页岩自生属性和外界条件多种因素制约，因此，单因素对于含气性的作用似乎并不是一定的。
[0003]对于深层页岩气，为了满足其勘探效益，划定优质储层的原地气量(GIP)标准应当更高，然而原地气量(GIP)准确预测很困难，虽然现场解析法操作简单，对样品采集、处理与过程控制已形成规范，是目前页岩气勘探开发中使用最广泛的一种方法，但是在实际操作中受限于页岩解析仪器条件和解析时间，不可能对所有岩心样品进行解析实验。准确快速的含气量评价手段一直是一个尚待完善的问题。
[0004]为了解决前述方法，在现有技术中基于机器学习的方法来进行相应的预测，但是机器学习虽然可以显著减少耗时和劳动密集型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成学习建立的页岩原地气量预测模型，其特征在于，包括以下步骤：输入原地气量和地质参数，并且将原地气量和地质参数构成一个开放式的数据集，对所述数据集进行聚类分析以确定不同地质参数对原地气量的影响权重；依据聚类分析的影响权重，将不同地质参数输入至不同的预测模型中，并根据平均绝对百分比误差和决定系数筛选基模型并建立最终的预测元模型；利用最终的预测模型以及对应的特征参数对具有相同或相近地质条件的无含气性数据的井段进行预测，并根据预测外推并评价其含气性剖面。2.根据权利要求1所述的一种基于集成学习建立的页岩原地气量预测模型，其特征在于，将不同地质参数输入至不同的预测模型中的具体方法为：将各类地质变量进行标准化处理使得各变量均处于同一个数量级；利用主成分分析对所述地质参数进行数据降维处理；将处理结果随机分为训练集和测试集，并将所述训练集输入不同的预测模型中进行训练，且通过训练集的滚动式收集以不断精细化所述预测模型；其中：对预测模型进行训练时采用k折交叉验证以避免机器学习过程中可能发生的过度拟合。3.根据权利要求2所述的一种基于集成学习建立的页岩原地气量预测模型，其特征在于，在对所述预测模型进行精细化的过程中采用平均绝对百分比误差和决定系数对所述预测模型进行质量评价，并依次筛选出最佳的预测模型作为基模型；其中：所述基模型来自于不同类型的算法，并且各个所述基模型之间的性能表达差距在设定的阈值范围以内。4.根据权利...

【专利技术属性】
技术研发人员：冯越，卢晨刚，李刚，高平，肖贤明，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：