基于随机森林的水力压裂电磁实时监测数据插值分析  

作　　者：解文博 蒋奇云[1] 李帝铨[1] 张乔勋 裴婧[1] 

机构地区：[1]中南大学

出　　处：《中国科技信息》2020年第12期88-89,共2页China Science and Technology Information

摘　　要：目前水力压裂术发展的非常迅速,通过数据处理平台的处理、解释、展示,可以认识油藏和评价施工效果。但在广域电磁法数据采集过程中,不可避免地会产生缺失点,由于外界人为走动干扰或者村民信号干扰可能带来局部区域信号置信度不高使得空间采样率不足问题持续存在,由此引入噪声点,严重影响后续数据可视化,数据解释。本文从插值方法的角度和机器学习算法的角度分析了机器学习对电磁法数据预处理的作用,训练数据集为完整无缺失数据集构建机器学习模型,在此基础上利用随机森林回归预测模型学习各时间各点线号-线号-异常值-频率等的统计关系,并通过东页深一井的实测数据处理分析论证了采用机器学习中集成算法——随机森林的回归预测结果的正确性与有效性,从而提高压裂监测物探资料的处理和解释水平。

关 键 词：随机森林 机器学习 数据可视化 数据处理平台 集成算法 回归预测 数据解释 信号干扰 

分 类 号：TE357.1[石油与天然气工程—油气田开发工程]