基于Stacking的套损预测方法研究.pdfVIP

总第416期计算机与数字工程Vol.52No.6

ComputerDigitalEngineering

2024年第6期计算机与数字工程1685

2024年第6期

基于Stacking的套损预测方法研究∗

赵建民张珺博崔佳鑫

（东北石油大学计算机与信息技术学院大庆163318）

摘要根据油气生产过程中的套管损坏影响因素众多、数据复杂等特点，通过数据预处理、随机森林重要性分析等技

术对现场数据进行分析与整合，采用特征工程的方法处理缺失值并选取特征参数。针对传统机器学习模型对套损预测不佳

的问题，提出采用双层Stacking模式集成学习预测模型；该模型采用随机森林、支持向量机、梯度提升决策树和K近邻算法为

基模型，逻辑回归为元模型，以此构建泛化能力更强的套损预测模型。结果表明，该模型较于单一的机器学习模型准确率与

F1值均有提升，该模型最终的准确率达到89.21%。

关键词集成学习；套管损耗；套损预测；Stacking模型融合

中图分类号TP309DOI：10.3969/j.issn.1672-9722.2024.06.016

ResearchonPredictionMethodofCasingDamage

BasedonStacking

ZHAOJianminZHANGJunboCUIJiaxin

（SchoolofComputerInformationTechnology，NortheastPetroleumUniversity，Daqing163318）

AbstractAccordingtothecharacteristicsofmanyfactorsaffectingcasingdamageandcomplexdataintheoilandgasproduc⁃

tionprocess，thefielddataisanalyzedandintegratedthroughdatapreprocessing，randomforestimportanceanalysisandothertech⁃

nologies，andthemethodoffeatureengineeringisusedtoprocessmissingvaluesandselectfeatureparameters.Aimingattheprob⁃

lemthattraditionalmachinelearningmodelsarenotgoodatpredictingthesetloss，atwo-layerstackingmodeensemblelearning

predictionmodelisproposed.Themodelusesrandomforest，supportvectormachine，gradientboostingdecisiontreeandK-nearest

neighboralgorithmasthebasemodel，andlogisticregressionasthemeta-modeltobuildamoregeneralizedsetlosspredictionmod⁃

el.TheresultsshowthatthemodelhasimprovedaccuracyandF1valuecomparedwithasinglemachinelearningmodel，andthefi⁃

nalaccuracyofthemodelreaches89.21%.

KeyWordsensemblelearning，casingdamage，casingdamageprediction，Stackingmodelfusion

ClassNumberTP274

的统计方法描述套损的成因十分