Estimating Pressure-Volume-Temperature Properties of Crude Oil Systems Using Boosted Decision Tree Regression

貯留層流体特性の推定において，機械学習方式の性能は相関関係に基づく従来方式に匹敵する。機械学習方式のなかで，人工ニューラルネットワークモデルが最も一般的に使用されているモデルの一つであるが，ブラックボックス問題なる課題を有することが知られている。そこで本研究では，この課題を解決すべく新たなモデル化方式を検討する。正確な推定を実現すると同時に，推定結果に対する入力パラメーターとその重要度に関する考察を可能とするため，提案方式ではブースト決定木回帰（BDTR）を用いて，石油とガスの比重，石油と溶解ガスの比，貯留層温度の関数として，沸点圧力（Pb）ならびに沸点圧力における石油容積係数（Bob）を推定する。構築されたBDTRモデルは，既存の機械学習モデルや最も一般的に使用されている相関関係に基づく従来手法と比べて，PbおよびBobをより高精度に推定可能である。特にPbの推定においては，欠損値補完の前処理を施すことにより，複数の入力特徴量が欠損しているデータを用いた評価においても相関関係に基づく既存方式よりも優れた有効性が示された。これは提案方式の優れた予測性能および汎用性を示すものである。