Прогнозирование забойного давления в карбонатных коллекторах с использованием XGBoost

Забойное давление является одним из ключевых параметров для разработки месторождений и принятия решений. Однако из-за таких факторов, как стоимость и отказ оборудования, данные о забойном давлении часто отсутствуют. В данной работе был создан модель GA-XGBoost для прогнозирования забойного давления в карбонатных коллекторах. Во-первых, было собрано всего 413 наборов данных, включая суточную добычу нефти, суточную добычу воды, суточную добычу газа, суточную добычу жидкостей, суточную скорость закачки газа, газонефтяное соотношение и забойное давление, из 14 скважин с помощью численного моделирования. Данные по добыче подверглись стандартизированной предобработке и уменьшению размерности с использованием метода главных компонент. Затем данные были разделены на обучающую, тестовую и валидационную выборки в соотношении 7:2:1. Была разработана модель прогнозирования забойного давления в карбонатных коллекторах на основе XGBoost. Параметры модели были оптимизированы с помощью генетического алгоритма, а в качестве метрики оптимизации использовалось среднее скорректированное значение R-квадрат по кросс-валидации. Модель показала скорректированный R-квадрат 0,99 и среднеквадратичную ошибку 0,0015 на обучающем наборе, скорректированный R-квадрат 0,84 и среднеквадратичную ошибку 0,0564 на тестовом наборе и скорректированный R-квадрат 0,69 и среднеквадратичную ошибку 0,0721 на валидационном наборе. Результаты продемонстрировали, что при небольшом числе переменных данных модель GA-XGBoost обладает высокой точностью и хорошей обобщающей способностью, превосходя другие модели. С помощью этого метода возможно быстро прогнозировать забойное давление в карбонатных породах с экономией затрат на измерения.