拉斐尔·德斯瓦特;维罗尼克·热尔维斯;斯托尔茨，吉勒斯;塞巴斯蒂安·达维加 用于生产预测的序列模型聚合。 （英语） Zbl 1425.90034号 计算。地质科学。 23，第5期，1107-1124（2019）. 摘要：产量预测是设计油藏未来开发的关键步骤。生成此类预测的经典方法是为代表油藏的数值模型模拟未来产量。然而，识别此类模型可能非常具有挑战性，因为它们需要限制在所有可用数据范围内。特别是，他们应该重现过去的生产数据，这需要解决复杂的非线性逆问题。因此，在本文中，我们建议研究机器学习算法的潜力，以便在不进行模型校准的情况下，根据过去的生产数据预测油藏的未来产量。我们更具体地关注稳健的在线聚合，这是一种确定性方法，为定期进行预测提供了稳健的框架。这种方法不依赖于任何特定的假设或随机建模的需要。首先对代表先验不确定性的一组基础油藏模型进行预测模拟，然后进行组合预测下一时间点的产量。与每个预测相关的权重与其过去的绩效相关。权重计算考虑了三种不同的算法：指数加权平均算法、岭回归和拉索回归。它们被应用于一个合成油藏案例研究，即Brugge案例，用于序列预测。为了估计开发场景的潜力，需要在没有中间数据采集的情况下进行长时间的生产预测。因此，本文提出了确定性聚合方法的扩展，以提供这种多步预测。 引用于1文件 MSC公司： 90立方厘米 生产模型 86A20型 潜力，探矿 86-08 地球物理问题的计算方法 68T05型 人工智能中的学习和自适应系统 关键词：水库;生产预测;机器学习;稳健的在线聚合 PDF格式BibTeX公司 XML格式引用 \textit{R.Deswarte}等人，计算。地质科学。23，第5号，1107--1124（2019；Zbl 1425.90034） 全文： 内政部 arXiv公司 参考文献： [1] Aanonsen，S.I.，Nvdal，G.，Oliver，D.S.，Reynolds，A.C.，VallèS，B.等人：水库工程中的集合卡尔曼滤波器——综述。Spe J.14（03），393-412（2009）·doi:10.2118/117274-PA [2] Amat，C.、Michalski，T.、Stoltz，G.：机器学习方法的基本原理和汇率预测。J.国际货币金融。88, 1-24 (2018) ·doi:10.1016/j.jimonfin.2018.06.003 [3] Auer，P.，Cesa Bianchi，N.，Gentile，C.：自适应和自信的在线学习算法。J.计算。系统。科学。64, 48-75 (2002) ·Zbl 1006.68162号 ·doi:10.1006/jcss.2001.1795 [4] Azoury，K.，Warmuth，M.：指数分布族在线密度估计的相对损失界。机器。学习。43211-246（2001年）·Zbl 0988.68173号 ·doi:10.1023/A:1010896012157 [5] Cesa-Bianchi，N.：在线回归的两种基于梯度的算法分析。J.计算。系统。科学。59 (3), 392-411 (1999) ·Zbl 0961.68148号 ·doi:10.1006/jcss.1999.1635 [6] Cesa-Bianchi，N.，Freund，Y.，Haussler，D.，Helmbold，D.，Schapire，R.，Warmuth，M.：如何使用专家建议。J.ACM 44（3），427-485（1997）·兹伯利0890.68066 ·doi:10.1145/258128.258179 [7] 塞萨·比安奇，N.，卢戈西，G.：预测、学习和游戏。剑桥大学出版社，剑桥（2006）·Zbl 1114.91001号 ·doi:10.1017/CBO9780511546921 [8] Cesa-Bianchi，N.，Mansour，Y.，Stoltz，G.：专家建议下预测的改进二阶不等式。机器。学习。66, 321-352 (2007) ·Zbl 1471.91074号 ·doi:10.1007/s10994-006-5001-7 [9] Deswarte，R.：线性回归和学习：对正则化和聚合方法的贡献（法语原名：Régression linéaire et approventissage:Contributions aux méthodes de Rérgarisation et d'agrégation）。巴黎萨克利大学（Ecole Polytechnique）博士论文。https://tel.archives-ouvertes.fr/tel-01916966v1/document网站 (2018) [10] Devaine，M.，Gaillard，P.，Goude，Y.，Stoltz，G.：通过聚集专业专家预测电力消耗；适用于斯洛伐克和法国全国（半）小时预测。机器。学习。90 (2), 231-260 (2013) ·Zbl 1260.62090号 ·doi:10.1007/s10994-012-5314-7 [11] Efron，B.，Johnstone，I.，Hastie，T.，Tibshirani，R.：最小角度回归。安。统计师。32(2), 407-499 (2004) ·兹比尔1091.62054 ·doi:10.1214/09053604000000067 [12] Gaillard，P.，Goude，Y.：布罗萨特通过聚集专家预测电力消耗；如何设计一组优秀的专家。收录：Antoniadis，A，Antoniadi，X.，Poggi，J.M.（编辑）《高维预测的建模和随机学习》，《统计学讲义》。斯普林格（2015） [13] Gerchinovitz，S.：在统计框架中预测单个序列和预测：关于稀疏回归和聚集技术的一些链接。博士论文。奥赛，巴黎南大学（2011年） [14] Hoerl，A.，Kennard，R.：岭回归：非正交问题的有偏估计。技术计量学12，55-67（1970）·Zbl 0202.17205号 ·网址：10.1080/00401706.1970.10488634 [15] Littlestone，N.，Warmuth，M.：加权多数算法。Inf.计算。108, 212-261 (1994) ·兹伯利0804.68121 ·doi:10.1006/inco.1994.1009 [16] Mauricette，B.，Mallet，V.，Stoltz，G.：利用机器学习算法进行臭氧综合预测。《地球物理学杂志》。第114号决议，D05307（2009） [17] Oliver，D.S.，Chen，Y.：油藏历史拟合的最新进展：综述。计算。地质科学。15(1), 185-221 (2011) ·Zbl 1209.86001号 ·doi:10.1007/s10596-010-9194-2 [18] Peters，L.、Arts，R.、Brouwer，G.、Geel，C.、Cullick，S.、Lorentzen，R.J.、Chen，Y.、Dunlop，N.、Vossepoel，F.C.、Xu，R.等：布鲁格洪水优化和历史拟合基准研究结果。SPE储备。评估。工程13（03），391-405（2010）·doi:10.2118/119094-PA [19] Satija，A.，Caers，J.：在标准函数主成分空间中通过线性最小二乘法从非线性动态数据直接预测地下水流响应。高级水资源。7769-81（2015）·doi:10.1016/j.advwatres.2015.01.002 [20] Satija，A.、Scheidt，C.、Li，L.、Caers，J.：使用无历史匹配的生产数据直接预测油藏动态。计算。地质科学。21(2), 315-333 (2017) ·Zbl 1387.86049号 ·doi:10.1007/s10596-017-9614-7 [21] Scheidt，C.，Renard，P.，Caers，J.：以预测为中心的地下建模：研究基于流动的反演建模中对准确性的需求。数学。地质科学。47(2), 173-191 (2015) ·Zbl 1323.86013号 ·doi:10.1007/s11004-014-9521-6 [22] Sun，W.，Durlowsky，L.J.：一种新的数据空间反演程序，用于地下水流问题中有效的不确定性量化。数学。地质科学。49(6), 679-715 (2017) ·Zbl 1369.86022号 ·doi:10.1007/s11004-016-9672-8 [23] Tarantola，A.：反问题理论：数据拟合和模型参数估计方法。爱思唯尔科学（1987）·Zbl 0875.65001号 [24] Tibshirani，R.：通过拉索进行回归收缩和选择。J.R.统计社会服务。B 58（1），267-288（1996）·Zbl 0850.62538号 [25] Vovk，Volodimir G.，《聚合战略》，371-383（1990） [26] Vovk，V.：竞争性在线统计。国际统计版次69，213-248（2001）·Zbl 1211.62200号 ·doi:10.1111/j.1751-5823.2001.tb00457.x [27] Zou，H.，Hastie，T.：通过弹性网进行正则化和变量选择。J.R.统计社会服务。B 67301-320（2005）·Zbl 1069.62054号 ·数字对象标识代码：10.1111/j.1467-9868.2005.0050.x 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。