潘 元，王永辉，车明光，廖锐全，郑 恒

(1.中国石油天然气集团公司采油采气重点试验室 长江大学分室，湖北 武汉430100； 2.长江大学 石油工程学院，湖北 武汉430100； 3.中国石油集团 科学技术研究院，北京 100083)

引 言

随着国内对致密储层认识的深入，逐渐形成了以水平井多段压裂为主的开发方式[1-2]，但由于其与常规储层的差异，如何准确地预测产量与选取压裂参数仍是研究的热点。致密油层压后产量预测方法主要分为机器学习法、解析法与数值模拟法[3-5]，但解析法与数值模拟法存在模型简化、求解单一、计算成本大等问题。

目前主流的机器学习算法有树形算法、支持向量机算法、神经网络算法等[6-11]。对于大多数机器学习算法而言，确定模型参数与训练样本规模是精准预测的前提，例如支持向量机算法存在内核参数、惩罚参数难以确定等问题；随机森林算法虽能有效降低泛化误差，但对于回归问题其训练样本存在数量多且部分样本关联度低等问题，在某些噪声过大的数据点也会发生过拟合。

因此采用灰色关联投影随机森林两阶段混合算法(GCPRF)[12]，通过引入加权的灰色关联投影法(GCP)来选择合适的训练集训练随机森林模型，起到减小数据集规模提高模型预测精度的目的。产量预测实例证明，该两阶段混合算法相较随机森林算法(RF)和梯度提升决策树算法(GBDT)具有更好的性能；在此基础上采用响应面分析的方法对压裂施工参数进行了优化，该方法为致密储层水平井压裂参数优化提供了一种新的思路。……