上游的 JMP 02：確定下降曲線的機器學習方法原定會議日期：2021 年 10 月 7 日
涵蓋的主題：圖形產生器、聚類、支援向量機
方法論的靈感來自 SPE Paper 1961100 - Machine Duvernay 地層空間變化的遞減曲線的學習
據了解，自然環境中的各個尺度都存在異質性。無論是在孔隙尺度或盆地尺度，地質學家或石油工程師很少能夠在井與井之間重複他們的假設或鑽探計畫。尋找能夠像井一樣快速組合在一起以建立模型的工具是業內許多人使用的關鍵工具。在 JMP 上游會議中，系統工程師 Nick Shelton 重點介紹了使用地質和完井參數對井進行聚類的工作流程，然後使用這些聚類作為分組類別，使用機器學習工具支援向量機來預測遞減曲線。他提出了一個優雅而簡單的點擊式工作流程，以實現更強大的預測模型，然後就放置井的最佳位置做出基於分析的決策。
圖 1. 使用德州中北部的聚類和支援向量機根據遞減曲線預測 Barnett 頁岩的石油產量。
據了解，自然環境中的各個尺度都存在異質性。無論是在孔隙尺度或盆地尺度，地質學家或石油工程師很少能夠在井與井之間重複他們的假設或鑽探計畫。尋找能夠像井一樣快速組合在一起以建立模型的工具是業內許多人使用的關鍵工具。在 JMP 上游會議中，系統工程師 Nick Shelton 重點介紹了使用地質和完井參數對井進行聚類的工作流程，然後使用這些聚類作為分組類別，使用機器學習工具支援向量機來預測遞減曲線。他提出了一個優雅而簡單的點擊式工作流程，以實現更強大的預測模型，然後就放置井的最佳位置做出基於分析的決策。
消費者與市場研究數據探索和視覺化回覆：上游的 JMP 02：確定下降曲線的機器學習方法對一個有用的工具進行了非常清晰和有趣的解釋，顯示了相對於 DCA 的明顯優勢，以及 ML 如何幫助決策:)感謝分享！
