基于机器学习的页岩气井井间干扰评价及预测

页岩气藏井间干扰严重制约气井生产,井间干扰程度评价与预测对页岩气高效开发具有重要意义.现有研究主要聚焦页岩气井间干扰现象、生产动态特征以及数值模拟参数优化等方面,但页岩气井间干扰程度定量评价及预测方面的研究较少,且参数体系不全,难以客观评价页岩气井间干扰程度.因此,采用机器学习方法综合考虑地质参数、压裂参数及生产参数,对A页岩气藏井间干扰程度进行评价及预测.先对初始数据进行数据处理,提高数据质量,然后基于处理后的数据,应用聚类分析及随机森林算法评价及预测Y页岩气井间干扰程度.结果表明:A页岩气藏中井间干扰程度低、中、高的井数占比分别为25.93％、37.03％、37.04％,其中压裂因素对A页岩气藏井间干扰程度评价结果影响最大.调参后的页岩气井间干扰程度预测结果达到92.07％,表明所建立的预测模型可应用于实际页岩气井间干扰程度预测,且模型精确度较高,为页岩气井井间干扰量化评价及预测提供了一种有效手段.