TY-JOURA2-Al-EmranAU-Shawkat、Mustafa MudhafarAU-Risal、Abdul RahimbinAU-MahdiAU-Safari,ZiuddinAU-Naser,Maryam HAU-AlZand AhmedWPY-2023DA-2023/02/20TI-使用机器学习模型SP-7953967VL-2023AB-自然断裂水池因构造运动增加骨折渗透率和传导性而最具挑战性渗透性传导作用对流水路径的不稳定性在流水从矩阵向骨折转移期间引起问题此外,这些复杂问题使工程师难以估计生产期间流水量骨折特性研究对模拟流水路径很重要,如骨折孔捷性、渗透性以及形状因子等,它们被认为是流水稳定性所必不可少的研究引入新模型包括决策树、随机森林、K-近距离回归、山脊回归和LASOS回归模型研究自然破碎水槽中的骨折特性,如骨折孔度和形状因子本研究使用数据集收集前研究“德克萨斯油气田”,以构建基于情报流特征预测模型预测过程基于渗透流系数、存储率比、井半径、矩阵渗透性以及骨折渗透性输入数据这项研究显示,被接受机器学习模型有正面发现,并优使用统计精度度度总的来说,研究强调应用计算机辅助模型自然断裂水库分析,提供更多细节说明广泛的执行技术,如注入或制造人工破解,以尽量减少油气损耗或泄漏SN-1076-2787UR-https://doi.org/101155/2023/795367DO-10.1155/2023/7953967JF-ComplicityPB-HindawiKW-ER