公开(公告)号：CN117648646B

公开(公告)日：2024-04-26

申请号：CN202410122065.7

申请日：2024-01-30

Applicant: 西南石油大学

Inventor： 赵莉 ,  李皋 ,  任冬梅 ,  蒋俊 ,  肖东 ,  夏文鹤 ,  李红涛 ,  刘厚彬 ,  方潘 ,  杨旭

IPC: G06F18/243 ,  G06N20/20 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2411 ,  G06F18/2415 ,  G06N5/01

Abstract: 本发明公开了基于特征选择和堆叠异构集成学习的钻采成本预测方法，属于石油天然气钻采技术领域，包括如下步骤：S1：对石油钻采工程成本数据集进行预处理，得到数据集SD；S2：对数据集SD进行特征选择和数据筛选，得到核心数据集，并将核心数据集划分为训练集、测试集和验证集；S3：构建并训练学习模型：随机森林模型、支持向量回归模型和分类提升模型，并使用贝叶斯参数优化算法分别对学习模型进行超参数调优；S4：加权组合二级学习模型，得到最终钻采工程成本预测值。本发明提出了特征选择和两级堆叠异构集成学习的训练架构，并将贝叶斯超参数优化用于两级模型的训练优化中，可以提高整体模型预测的准确率。

公开(公告)号：CN117648646A

公开(公告)日：2024-03-05

申请号：CN202410122065.7

申请日：2024-01-30

Applicant: 西南石油大学

Inventor： 赵莉 ,  李皋 ,  任冬梅 ,  蒋俊 ,  肖东 ,  夏文鹤 ,  李红涛 ,  刘厚彬 ,  方潘 ,  杨旭

IPC: G06F18/243 ,  G06N20/20 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2411 ,  G06F18/2415 ,  G06N5/01

Abstract: 本发明公开了基于特征选择和堆叠异构集成学习的钻采成本预测方法，属于石油天然气钻采技术领域，包括如下步骤：S1：对石油钻采工程成本数据集进行预处理，得到数据集SD；S2：对数据集SD进行特征选择和数据筛选，得到核心数据集，并将核心数据集划分为训练集、测试集和验证集；S3：构建并训练学习模型：随机森林模型、支持向量回归模型和分类提升模型，并使用贝叶斯参数优化算法分别对学习模型进行超参数调优；S4：加权组合二级学习模型，得到最终钻采工程成本预测值。本发明提出了特征选择和两级堆叠异构集成学习的训练架构，并将贝叶斯超参数优化用于两级模型的训练优化中，可以提高整体模型预测的准确率。