断块油气田
斷塊油氣田
단괴유기전
FAULT-BLOCK OIL AND GAS FIELD
2011年
5期
641-644
,共4页
产量预测%支持向量机%主成分分析%遗传算法%特高含水期
產量預測%支持嚮量機%主成分分析%遺傳算法%特高含水期
산량예측%지지향량궤%주성분분석%유전산법%특고함수기
特高含水期是油田重要的开采阶段,我国东部大部分油田已经进入特高含水期.研究处于该阶段的油田产量预测问题具有重要意义.由于处于特高含水期阶段的油田一般采集到的开发指标和影响因素的样本教较小,所以基于统计学理论的常规预测方法都不太适合该阶段的产量预测.文中从数据挖掘和机器学习角度提出了油田产量预测的新方法——基于主成分分析和支持向量机(SVM)方法的油田产量预测模型.先把由影响产量的众多因素构成的高维向量通过主成分分析技术进行数据降维后作为SVM的输入,通过SVM训练得到模型,并利用遗传算法(GA)优选模型的参数建立特高含水期油田产量预测模型与其他方法相比,该方法减少了模型输入变量的维数,提高了模型收敛的速度和预测精度.能较好地反映特高含水期油田产量的动态变化规律.
特高含水期是油田重要的開採階段,我國東部大部分油田已經進入特高含水期.研究處于該階段的油田產量預測問題具有重要意義.由于處于特高含水期階段的油田一般採集到的開髮指標和影響因素的樣本教較小,所以基于統計學理論的常規預測方法都不太適閤該階段的產量預測.文中從數據挖掘和機器學習角度提齣瞭油田產量預測的新方法——基于主成分分析和支持嚮量機(SVM)方法的油田產量預測模型.先把由影響產量的衆多因素構成的高維嚮量通過主成分分析技術進行數據降維後作為SVM的輸入,通過SVM訓練得到模型,併利用遺傳算法(GA)優選模型的參數建立特高含水期油田產量預測模型與其他方法相比,該方法減少瞭模型輸入變量的維數,提高瞭模型收斂的速度和預測精度.能較好地反映特高含水期油田產量的動態變化規律.
특고함수기시유전중요적개채계단,아국동부대부분유전이경진입특고함수기.연구처우해계단적유전산량예측문제구유중요의의.유우처우특고함수기계단적유전일반채집도적개발지표화영향인소적양본교교소,소이기우통계학이론적상규예측방법도불태괄합해계단적산량예측.문중종수거알굴화궤기학습각도제출료유전산량예측적신방법——기우주성분분석화지지향량궤(SVM)방법적유전산량예측모형.선파유영향산량적음다인소구성적고유향량통과주성분분석기술진행수거강유후작위SVM적수입,통과SVM훈련득도모형,병이용유전산법(GA)우선모형적삼수건립특고함수기유전산량예측모형여기타방법상비,해방법감소료모형수입변량적유수,제고료모형수렴적속도화예측정도.능교호지반영특고함수기유전산량적동태변화규률.
