Actuellement, la prédiction du taux de récupération des réservoirs de grès dans la partie est de la mer de Chine méridionale utilise principalement des méthodes telles que la simulation numérique et la régression linéaire, chacune présentant des inconvénients tels que des durées longues et une faible précision. Pour prédire rapidement et précisément le taux de récupération des réservoirs, 50 réservoirs déjà exploités ont été sélectionnés comme échantillons de données. Sur la base de l'extraction des caractéristiques des facteurs influençant le taux de récupération par analyse en composantes principales, une méthode de régression par réseau neuronal a été utilisée pour établir un modèle de prédiction adapté aux réservoirs de grès marins de la partie est de la mer de Chine méridionale. La comparaison des résultats de prédiction avec ceux des modèles basés sur la régression par machine à vecteurs de support et la régression linéaire montre que le modèle de régression par réseau neuronal possède une précision élevée et peut évaluer rapidement le potentiel de développement de ces réservoirs.

réseau neuronal;partie est de la mer de Chine méridionale;réservoirs de grès;taux de récupération;modèle de prédiction;analyse en composantes principales