上游的 JMP 02：确定下降曲线的机器学习方法原定会议日期：2021 年 10 月 7 日
涵盖的主题：图形生成器、聚类、支持向量机
方法论的灵感来自 SPE Paper 1961100 - Machine Duvernay 地层空间变化的递减曲线的学习
据了解，自然环境中的各个尺度都存在异质性。无论是在孔隙尺度还是盆地尺度，地质学家或石油工程师很少能够在井与井之间重复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建立模型的工具是业内许多人使用的关键工具。在 JMP 上游会议中，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来预测递减曲线。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，然后就放置井的最佳位置做出基于分析的决策。
图 1. 使用德克萨斯州中北部的聚类和支持向量机根据递减曲线预测 Barnett 页岩的石油产量。
据了解，自然环境中的各个尺度都存在异质性。无论是在孔隙尺度还是盆地尺度，地质学家或石油工程师很少能够在井与井之间重复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建立模型的工具是业内许多人使用的关键工具。在 JMP 上游会议中，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来预测递减曲线。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，然后就放置井的最佳位置做出基于分析的决策。
消费者和市场研究数据探索和可视化回复：上游的 JMP 02：确定下降曲线的机器学习方法对一个有用的工具进行了非常清晰和有趣的解释，显示了相对于 DCA 的明显优势，以及 ML 如何帮助决策:)感谢分享！
