典型文献
基于PSO-GBDT的CO2-原油最小混相压力预测模型
文献摘要：
随着"2060年碳中和目标"的提出,中国油田开发领域CO2气驱采油技术又一次得到了广泛关注.CO2气驱采油既可以实现对碳资源的地下封存,又能够对油田三次采油起到主要作用.但是其驱油效果会受到CO2和原油混相与否的制约,所以需要对CO2-原油体系最小混相压力(minimum miscibility pressure,MMP)进行精准预测.而传统预测方法时间成本及误差过大,人工智能算法因其计算效率及准确率高便脱颖而出.使用随机森林算法对MMP主控因素进行分析,筛选出CO2、H2 S、C1、C2-C5、N2的摩尔分数及油藏温度、平均临界温度等特征变量,采用MLP、GA-RBF、RF、PSO-GBDT、AdaBoost SVR 5种智能算法建立MMP预测模型.为此,使用了160行的数据库进行预测分析,采用5种不同评估指标及可视化图像对不同模型结果进行对比分析,并验证模型的准确性.最终测试效果证明,在数据有限的情况下,PSO-GBDT模型具有最佳的MMP预测效果,PSO-GBDT平均绝对百分比误差(mean absolute percentage error,MAPE)为4.89％,均方根误差(root mean square error,RMSE)为0.83,测试集R2为0.96.此模型精度最高,灵活性、鲁棒性最强.
文献关键词：
人工智能;最小混相压力;MMP预测;PSO-GBDT;AdaBoost SVR
中图分类号：
作者姓名：
沈斌;杨胜来
作者机构：
中国石油大学(北京)人工智能学院,北京102249;中国石油大学(北京)石油工程学院,北京102249
文献出处：
引用格式：
[1]沈斌;杨胜来-.基于PSO-GBDT的CO2-原油最小混相压力预测模型)[J].科学技术与工程,2022(18):7866-7872
A类：
B类：
PSO,GBDT,原油,最小混相压力,压力预测,碳中和目标,油田开发,气驱,采油技术,封存,三次采油,驱油效果,相与,油体,minimum,miscibility,pressure,MMP,精准预测,传统预测,时间成本,人工智能算法,法因,计算效率,脱颖而出,随机森林算法,主控因素,H2,C1,C2,C5,N2,摩尔分数,油藏,临界温度,特征变量,MLP,GA,RBF,RF,AdaBoost,SVR,预测分析,验证模型,测试效果,数据有限,平均绝对百分比误差,mean,absolute,percentage,error,MAPE,root,square,RMSE,测试集,模型精度
AB值：
0.450067
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
