发明公开
- 专利标题: 基于卷积神经网络与SHAP值的页岩气产能主控因素分析方法
-
申请号: CN202211484306.X申请日: 2022-11-24
-
公开(公告)号: CN115829104A公开(公告)日: 2023-03-21
- 发明人: 岳明 , 宋田茹 , 朱维耀 , 范琳 , 宋洪庆 , 潘滨
- 申请人: 北京科技大学
- 申请人地址: 北京市海淀区学院路30号
- 专利权人: 北京科技大学
- 当前专利权人: 北京科技大学
- 当前专利权人地址: 北京市海淀区学院路30号
- 代理机构: 北京市广友专利事务所有限责任公司
- 代理商 张仲波
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; E21B49/00 ; G06Q50/02 ; G06N3/0464 ; G06F18/211 ; G06F18/214
摘要:
本发明提供一种基于卷积神经网络与SHAP值的页岩气产能主控因素分析方法,属于页岩气开发领域。所述方法包括:确定影响目标区块页岩气产能的因素;其中,每个影响因素作为一个特征;根据确定的页岩气产能的影响因素获取页岩气数据构成特征数据集,并获取页岩气数据对应的产能构成标签数据集;利用特征数据集和标签数据集,建立基于卷积神经网络的产能预测模型;基于训练后的产能预测模型,计算特征数据集中每个特征的SHAP值,量化每个因素对产能的影响程度;基于得到的SHAP值,分析产能与其影响因素之间的内在关系,确定目标区块的产能主控因素。采用本发明,能够对影响产能的因素进行重要性分析,提高了主控因素分析的准确率。