[发明专利]一种预测页岩气井最终可采储量的方法

权利要求书

1.一种预测页岩气井最终可采储量的方法，其特征在于，包括以下步骤：

S1：获取页岩气单井的地质数据、压裂数据、测试和生产数据；

S2：进行数据预处理和特征工程，其中包括原始数据探索及特征类型、采用基于井口大地坐标改进的KNN算法对缺失数据进行处理、对异常值的处理以及采用PCA等算法进行特征筛选；

S3：对S2中处理后的数据进行标准化处理，并划分数据集，分为训练集和测试集；

S4：采用42种机器学习算法的基模型对训练集进行训练和并用测试集对基模型进行初步评估；

S5：筛选出评价结果较好的3种基模型，进行超参数调整得到更好的预测结果；

S6：采用stacking方法将步骤5中得到的三个模型进行模型融合；

S7：对S6中得到的新模型进行训练并对页岩气井EUR进行预测。

2.根据权利要求1所述的方法，其特征在于，需要获取页岩气单井的地质数据、压裂数据、测试和生产数据。

3.根据权利要求1所述的方法，其特征在于，进行数据预处理和特征工程包括如下内容：

首先需要采用one-hot方法将非数值型特征数值化，对于数值型特征，需要观察其正态分布图，计算峰度和偏度，查看变量与变量间的关系；其次，统计各特征变量缺失值所占的比例，对于缺失过多的特征或样本采用删除的策略，而缺失量不大的特征或样本采用KNN算法进行填补，但考虑到KNN算法本身对于观测点间距离计算的特点以及地理位置相近的井更可能具有相似的地质特征，于是将该数值的距离替换为井眼坐标的距离，由此计算出两样本间的距离，在此基础上进行缺失值的填补：

KNN算法是考虑两样本之间的“距离”，选取最接近的几个观测样本的平均值或距离加权作为有缺失的样本的填补值；其中，两次观测样本的距离定义是：

式中：len(x)为特征x的长度；x为一组样本值；y为另一组样本值；∑(！is.na(x-y))为x与y不相等的值的个数；x_i为x中的第i个数据；y_i为y中的第i个数据；

有了距离的定义后，就可以选取k个最近邻，并根据距离加权和作为缺失值的预测值；本发明中对KNN算法进行改进，使用实际矿场上井间距离描述两个样本间的距离，再选取k个最近邻，对缺失值进行填补；

然后，对各特征绘制箱型图，删除远超正常值范围的异常样本；最后计算Pearson相关性系数对特征进行筛选，Pearson相关性系数计算公式为两个变量的协方差除以两个边量标准差的乘积：

其中，X和Y变量的协方差公式如下所示：

式中：ρ_X,Y为X和Y变量的Pearson相关系数；X为一组变量的值；Y为另一组变量的值；σ_X为X变量的标准差；σ_Y为Y变量的标准差；n为样本个数；为X变量的平均值；为Y变量的平均值。

4.根据权利要求1所述的方法，对S2中处理后的数据进行标准化处理，并按8：2的比例划分数据集，分为训练集和测试集；

数据标准化处理的方法采用的是z-score(zero-mean normalization)标准化方法，将特征变量处理为均值等于0，标准差等于1的新数据；z-score标准化转换公式为：

其中，标准差公式为：

式中：N为样本数量；x_i为第i个样本的值；μ为样本均值；σ为样本方差。

5.根据权利要求1所述的方法，其特征在于，采用42种机器学习算法的基模型对训练集进行训练和并用测试集对基模型进行初步评估，所采用的基模型有随机森林、GBDT、线性回归、岭回归、lightGBM、Adaboost、决策树、贝叶斯回归等42种；代入训练集进行训练，并用测试集验证；评价模型效果的参数为均方根误差(RMSE)，其计算公式为：

式中：m为样本数量；y_i为第i个预测值；为第i个真实值。