JMP in the Upstream 02：确定下降曲线的机器学习方法原会议日期：2021 年 10 月 7 日
涵盖的主题：图形生成器、聚类、支持向量机
方法灵感来自 SPE 论文 1961100 - 机器Duvernay 组空间变化下降曲线的学习
可以理解的是，异质性存在于自然环境中的所有尺度。 无论是在孔隙尺度还是盆地尺度上，地质学家或石油工程师很少能在井与井之间复制他们的假设或钻探计划。 寻找能够像井一样快速组合在一起以用于模型构建的工具是业内许多人使用的关键工具。 在本次 JMP in the Upstream 会议中，系统工程师 Nick Shelton 重点介绍了使用地质和完井参数对油井进行聚类的工作流程，然后使用这些聚类作为分组类别，使用机器学习工具支持向量机预测递减曲线。 他提出了一个优雅而简单的点击式工作流程，以实现更强大的预测模型，然后做出关于放置井的最佳位置的分析决策。
图1。 使用递减曲线预测 Barnett 页岩中的石油产量德克萨斯州中北部的聚类和支持向量机。
可以理解的是，异质性存在于自然环境中的所有尺度。 无论是在孔隙尺度还是盆地尺度上，地质学家或石油工程师很少能在井与井之间复制他们的假设或钻探计划。 寻找能够像井一样快速组合在一起以用于模型构建的工具是业内许多人使用的关键工具。 在本次 JMP in the Upstream 会议中，系统工程师 Nick Shelton 重点介绍了使用地质和完井参数对油井进行聚类的工作流程，然后使用这些聚类作为分组类别，使用机器学习工具支持向量机预测递减曲线。 他提出了一个优雅而简单的点击式工作流程，以实现更强大的预测模型，然后做出关于放置井的最佳位置的分析决策。
回复：上游中的 JMP 02：确定下降曲线的机器学习方法关于一个有用工具的非常清晰和有趣的解释，显示出优于 DCA 的明显优势以及 ML 如何帮助决策:)感谢分享！
