基于遗传算法的天然气产量预测研究

针对广义翁氏预测模型中拟合结果误差较大的问题,根据组合预测思想,在广义翁氏模型预测过程中,引入一次指数平滑模型进行修正,构建了一种组合优化预测模型,并应用基于实数编码的遗传算法对其求解.组合优化理论的应用分析和对实际生产数据的拟合分析均表明,该方法具有较好的预测能力和较高的预测精度.     

用组合模型预测聚合物驱产油量

聚合物驱产油量预测结果的可靠性直接关系到油田开发年度规划和中长期规划的部署,因此预测模型的选择尤为重要。在简要介绍组合预测模型的基础上,建立了基于Weibull 预测、HCZ 预测和广义翁氏预测3 种单项预测方法的最优加权法组合预测模型;以预测误差平方和最小为准则确定最优组合预测模型中的加权系数,实现产量预测模型的最优组合,并利用实际生产数据通过与Weibull 预测模型、HCZ 预测模型和广义翁氏模型的预测精度对比分析,验证了组合模型的有效性和实用性。     

基于自动机器学习的采油井压裂效果预测方法

目前大庆油田采油井压裂效果预测时多是凭借经验或者多元线性回归等简单模型，存在着预测结果稳定性差且预测精度不高的问题。以大庆油田N23区块为例，借助数理统计方法对采油井压裂效果与各项影响因素开展了相关性分析，并采用随机森林算法研究了各影响因素对N23区块采油井压裂效果的影响程度；阐述了自动机器学习中元学习、贝叶斯优化和模型集成这三项关键技术的原理以及实现方法，并利用自动机器学习建立了基于数据驱动的采油井压裂效果预测模型；同时，将自动机器学习预测模型与随机森林、支持向量机和神经网络这3种常见机器学习算法的预测性能进行了对比，并利用该自动机器学习预测模型对N23区块的水力压裂进行设计与优化。结果表明，压裂前的生产参数对预测采油井压裂效果有着重要的影响；自动机器学习预测模型比其他算法的精度更高，模型在测试集上的决定系数为0.695，预测结果相对误差的平均值为18.96%，比目前水平降低了57.53%；经过模型优化的压裂方案较原方案增加经济效益约3.2×10⁴～27.4×10⁴元/井次。     

基于小波变换和LSSVM-DE的天然气日负荷组合预测模型

为了提高天然气短期负荷的预测精度,提出了基于小波变换和LSSVM-DE(Least Squares Support Vector MachineDifferential Evolution)的天然气日负荷组合预测模型,首先,采用Mallat快速算法对天然气日负荷实际采集数据样本时间序列进行小波分解;其次,对分解出来的高频分量和低频分量分别建立LSSVM预测模型,各分量的模型参数分别采用DE进行优化,以期得到更准确的预测结果;最后,分别对各分量的预测结果进行小波重构。以某市实际采集的样本数据为例,并将重构结果与单独应用LSSVM预测模型及ANN(Artificial Neural Networks)预测模型进行对比分析。结果表明:小波变换和LSSVM-DE预测模型的预测精度分别比单独应用LS-SVM和ANN预测模型高出1.662%、1.14%、3.96%、2.99%、15.53%和1.942%、1.01%、3.07%、1.86%、12.26%。该结论预示着将小波变换和LSSVM-DE理论相结合对天然气日负荷时间序列进行预测是一种行之有效的方法。     

基于近钻头测量数据的异常振动预警方法研究

钻井过程中，时常由于钻井参数、钻具组合与地层之间不匹配等因素，导致底部钻具异常振动，进而导致钻具损坏、钻井效率降低、井眼质量不合格等。为此，建立基于Informer时间序列的井下异常振动预警模型；基于近钻头振动数据时频域特征，标注正常振动和异常振动数据集，将井下振动经过小波变换后的均值和均方根值作为输入量进行预警模型训练；利用测试集数据测试预警模型的有效性。研究结果表明：在长序列预测结果上，该模型的建立相较于LSTM模型，E_MS降低了70%,预测精度提高。同时针对井下振动均值的长序列预测，可提前90 s判断黏滑振动的发生。该预警模型的建立可以有效识别和预警井下异常振动，降低钻井风险，为进一步建立先进的智能钻井系统提供一定的技术基础。     

基于遗传算法的天然气产量预测

在组合优化预测模型的研究基础上,给出了组合优化预测模型提高预测精度的理论依据,并应用基于实数编码的遗传算法对模型求取最优组合解,通过对实际生产数据的拟合结果分析表明,本文的求解方法是可行的,具有较好的预测能力。     

基于主成分分析的NCPSO-BP机械钻速预测

目前常用的机械钻速预测理论模型仅通过相关性、贡献度来筛选模型输入参数，没有积极挖掘随钻采集的复杂属性间关系，导致信息缺乏完整性。为了最大化保留复杂属性间线性关系，提出了一种基于主成分分析的钻速预测模型，并引入混沌变异的小生境粒子群算法(NCPSO)优化BP神经网络，提高模型的收敛速度与精度。首先，采用主成分分析法根据不同的方差贡献度对高维钻井数据进行降维、降噪；其次，建立智能优化算法-神经网络钻速预测模型，利用混沌变异的小生境粒子群算法的训练结果为BP神经网络权值、阈值赋予初值，以此建立机械钻速预测模型；最后，在不同输入维度进行对比分析NCPSO-BP模型与PSO-BP，GA-BP和标准BP的机械钻速预测结果。研究结果表明，在8维、10维输入的情况下，NCPSO-BP机械钻速模型的预测精度平均提高了59%，训练速度平均提高了26.3%，为日益复杂的钻井环境下机械钻速精确预测提供了理论基础。     

城市天然气短期日需求量预测新模型

准确预测短期城市天然气需求量,对于城市天然气的合理调峰调压、安全供应、管网优化等都具有重要的现实意义。目前,城市天然气短期需求量预测模型主要包括时间序列、回归分析、支持向量机、灰色关联等,但其精度均不很理想,神经网络的精度虽然较高,但却容易陷入局部最小值,降低了泛化性。较之于上述诸多模型,最小二乘支持向量机基于结构风险最小化的原则,对于非线性问题也能得到较高的精度和泛化性,并且不容易出现过拟合现象。为此,基于对城市天然气短期日需求量的各种影响因素的全面分析和讨论,最终将气象、日期、政策确定为影响因素,并采用模糊综合评价法、经验打分法及专家评分法处理因素中的定性数据,采用极差变换法处理其他定量数据,最终利用最小二乘支持向量机建立了城市天然气短期日需求量预测新模型。仿真实验以四川省成都市为例,新模型预测结果平均绝对百分比误差为1.423%,较之于ARIMA、灰色关联、BP神经网络以及非线性回归等模型,新模型的预测精度有了很大的提高。结论认为,新模型的预测结果可作为确定城市天然气短期日需求量的依据和参考。     

基于马尔科夫修正的潜油泵灰色振动预测模型

针对潜油泵振动状态数据具有波动性的问题,建立了基于马尔科夫方法对灰色预测结果修正的预测模型。首先利用灰色等维新息GM(1,1)模型对样本数据进行灰色预测,然后根据状态实测数据与其灰色预测结果之间的误差百分比划分马尔科夫状态区间,建立马尔科夫状态转移概率矩阵。用马尔科夫状态转移概率矩阵和当前状态的误差百分比状态向量计算得到马尔科夫修正值,对灰色预测结果进行修正,实现对设备波动状态参数的预测。潜油泵振动状态数据的预测结果表明,基于马尔科夫修正的灰色预测模型不仅比马尔科夫预测模型和灰色预测模型具有更高的预测精度,而且对波动数据的变化趋势具有更高的灵敏度,能够及时反映波动的变化,从而提高了预测精度。     

井壁稳定性实时预测方法

为有效解决钻井过程中的井壁失稳问题,根据地震和测井信息之问的密切联系,建立了基于地震属性的实时井壁稳定性预测模型.该模型综合利用地震、测井和地质资料,从待钻目标井和已完钻邻井的井旁地震记录中分别提取最优地震属性组合,运用小波神经网络建立已钻井地震属性与测井数据之间的分层映射关系模型,利用当前待钻地层的地震属性并选取相应的映射模型实时预测钻头以下地层的声波和密度测井曲线.基于预测结果结合井壁稳定力学模型计算待钻层段的孔隙压力、坍塌压力和破裂压力,进而预测安全钻井液密度范围.塔里木油田的实际应用表明,该预测模型具有良好的实时操作性能,测井曲线、地应力、孔隙压力、破裂压力和安全钻井液密度范围的预测精度均较高.图5表1参21     

基于组合模型的产量动态预测方法研究

产量递减预测模型是油气藏工程研究中的一种重要手段.鉴于目前常用的Aprs、GM(1,1)等模型预测奈件的局限性,提出一种新的组合模型.首先对原始产量数据进行平滑处理后,将其分解成趋势性跟随机性两部分,用更加适合于递减数据预测的GOM(1,1)模型进行趋势性部分数据预测,而后引入RBF网络时GOM(1,1)模型残差进行修正,最后得到组合模型预测结果.经实例验证,对于呈递减趋势的产量数据,该组合模型的精度与传统单一方法相比有明豆提高,适合于工程研究应用.     

基于SVM-BN的天然气长输管道燃气轮机故障预警方法研究

燃气轮机是天然气长输管道的核心动力设备,由于其结构复杂、零部件众多、工作负荷大,在运行过程中常发生故障并触发自保护停机,影响了主管线输气的稳定性。为此,针对天然气干线管道燃气轮机及其附属设备的关键部件、关键故障,利用SCADA系统的在线数据,对故障数据进行分析,建立基于支持向量机的在线异常预测模型和基于贝叶斯网络的故障诊断模型;然后通过引入偏离度建立了上述两种模型相结合的故障预警模型,并在天然气干线管道燃气轮机机组上进行了验证。结果表明:(1)所建立的基于支持向量机的预测模型具有较强的泛化能力,能对压力状态做出较为准确的预测,但是随着预测时间的变长,预测精度也会不断降低;(2)通过关注故障诊断模型中各底事件的发生概率,能够为现场维护人员提供优先检查的依据,进而减少设备非计划外停机事故的发生;(3)在燃气轮机润滑油系统实际发生的故障场景进行的应用与验证结果表明,该模型可以准确地对系统故障提前预测并定位,方法可行、有效,有较高的应用价值。     

油气钻井作业成本预测模型研究

通过对国内外钻井成本研究的分析，寻找影响钻井作业成本的主要因素，可指导钻井作业成本预测模型的建立。为此，采用实证研究方法，针对油气钻井作业的过程提出两个假设：①钻井作业成本与钻井进尺呈一定的比例关系；②钻井作业成本与钻井周期呈一定的比例关系。构建了钻井进尺和钻井周期两个自变量，并以2003年长庆钻井工程总公司完成的钻井数据为样本，运用统计分析方法来验证这两个假设，并构建成本预测模型，该模型的解释力度较强。检验了模型的预测精度，结果显示误差小于6%。该预测模型表明钻井成本与钻井进尺和钻井周期呈指数关系。模型较强的解释力度和较小的预测误差，将有助于钻井成本预测和计划管理。     

数据拓展和增量更新的井底压力实时预测方法

针对复杂井段数据难获取，静态预测模型难适应复杂井下条件的问题，提出利用智能方法实时预测波动的井底压力。基于生成对抗网络，扩充了井下单一的随钻数据空间，突破了井底有效测压数据量少的问题，建立了数据增强下的井底压力预测模型。为有效提升模型对工况变化的自适应能力和迁移性能，在增量更新数据的条件下，分段训练多个长短时记忆网络(LSTM)模型，基于迁移集成学习实现预测模型的实时更新。最后利用混合注意力机制实现智能预测模型的可解释分析。试验结果表明，经过数据拓展训练的模型在精度和稳定性上均显著优于之前，增量更新实时预测的方法大幅提高了模型的泛化能力和现场应用的时效性，模型平均相对误差仅为0.12%。可解释分析表明，井底压力具有较强的短期自相关性和井口回压具有波动的传递特性。研究结果可为实现深层钻井井底压力精准高效预测和智能模型的可解释性提供理论指导。     

油气田产量预测的新模型

基于累积产量随时间递增的信息特征及对以往产量预测模型的研究，建立了一种预测油气田产量、累积产量和可采储量的新模型。该模型可以对油气田开发全过程的开发指标进行拟合与预测，并可简化为Logistic模型和胡一陈模型。用前苏联巴夫雷油田和北斯塔夫罗波尔一佩拉基阿金气田的实际数据验证的结果表明，该模型预测精度较高。表2参10     

基于人工神经网络的油气产量组合预测方法

回顾了前人关于油气产量的预测方法,概述了传统组合预测方法的基本原理,在此基础上,对组合预测方法中基于最小二乘法的最优权重确定方法进行了改进,提出基于BP神经网络模型的最优权重确定方法,并将其应用于具体实例.结果表明,基于神经网络的组合预测模型能有效地提高油气产量预测精度,是比较优越的预测方法.     

试验数据相似性修正减阻效果预测模型

为评价输油管道加剂运行状态,建立减阻效果预测模型。针对已有模型无法实现不同工况下减阻效果的类比预测,在应用中需提前求解模型待定系数,所求参数不具备横向扩展应用性等问题,在相关模型基础上,通过分析处理现场加剂试验数据对其进行相似性修正,引入管径、油品黏度修正系数,简化减阻效果预测复杂度,扩大预测模型适用范围;在考虑了减阻剂剪切稀释性问题后,根据管道实际加剂情况,量化求解降解率系数,提高模型预测精度;基于现场试验数据进行回归验证,求得模型待定系数值;最后得到适用于原油和成品油管道的通用减阻效果预测模型,并结合现场试验数据进行误差分析,检测预测模型精度。结果表明,经试验数据相似性修正得到的减阻效果预测模型,与经验公式的预测效果相比,预测精度有所提升,优于原有模型,可用于指导减阻剂在现场的应用,改善模型参数无法横向扩展应用的问题,实现减阻效果类比预测功能。     

濮城油田注水井套管损坏趋势预测

针对濮城断块油田地质条件复杂、影响套管损坏因素多、套管损坏严重的问题，应用灰色系统理论的数列预测方法，将该油田逐年套管损坏的大量原始数据进行滑动平滑处理，并进行累加生成了较有规律的生成数列，建成了濮城油田注水井套管损坏预测模型；经残差检验和后验差检验，该模型具有二级精度；应用该模型预测了注水井逐年损坏百分数；预测结果表明，濮城油田在“九五”期间，套管损坏速度将以每年大约10％以上的速度递增。其结果对生产有一定指导意义。     

基于灰色模型与时间序列的油井产量长短期分类预测

为解决单井产量在试采及稳产期预测计算方法精度不足、计算效率较低、适用范围较小的问题,提出一种将预测模型划分为短期产量和长期产量的分类预测方法。短期产量预测在灰色预测模型GM(1,1)的基础上,针对短期生产环境的变化增加产量转换的参数修正,并对模型的离散过程进行优化,从而弥补灰导数离散过程的偏差;对于长期产量预测,采用时间序列的方法,结合BP神经网络以及短期采样特征值的提取结果,对累积产量数据进行建模和预测。利用2018～2020年多个油井的产量数据信息,进行模型训练、预测和比对,针对模型预测结果进行精度分析。结果表明,长期预测模型预测结果的平均相对误差为0.091 4,短期预测模型预测结果的平均绝对误差为0.118 7,计算精度高于传统ARIMA算法的平均相对误差0.156 6,可满足实际工况需求,为油井产量的预测提供了一种新方法。     

油田开发指标的组合预测方法

在油藏工程中，广义翁氏预测模型，双对数型产量衰减曲线预测模型和水驱曲线模型都是比较重要的预测模型。然而，它们有自自的局限性。现将这三种方法相结合，除详细说明求解方法外，还用组合预测的方法来校正预测结果，该方法不仅可以预测水驱油气田的产量，产水量，最高年产量及其发生的时间，还可预测可采储量，含水率和体波及系数等开发指标，应用结果表明，它与其它模型相比，具有更高的预测能力的预测精度。