基于机器学习的采出井结垢敏感特征选择
李春生
张大周
东北石油大学计算机与信息技术学院 大庆 163318
摘要：采出井结垢特征的选择对于结垢预测具有重要作用.论文基于机器学习知识,研究某油田企业的采出井结垢特征,并以此作为数据样本,应用Lasso算法选择敏感的结垢特征,并使用支持向量机、随机森林、决策树进行结垢分类预测.通过四个指标评估敏感特征的有效性,包括准确率、精确率、召回率和F1值.经实验结果证明,经过Lasso选择的特征在分类器上的四个指标上均优于原始特征数据集,这表明Lasso算法在采出井结垢特征选择上具有较好的效果.
关键词：采出井结垢特征选择Lasso算法
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3104-3108,3246 )
英文信息