检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于示功图的油井产量预测技术研究

基于示功图的油井产量预测技术研究

作者：蒋薇东北石油大学

学位级别：硕士

随着智能油田思想的提出与建设,数据挖掘技术被广泛地应用于油气田勘探与开发领域。在数据挖掘的方法中,机器学习在处理数据回归和分类中的地位十分显著,并且已在许多领域中得到了大量应用,主要是为优化油田生产过程提供新的方案,例如... 详细信息

随着智能油田思想的提出与建设,数据挖掘技术被广泛地应用于油气田勘探与开发领域。在数据挖掘的方法中,机器学习在处理数据回归和分类中的地位十分显著,并且已在许多领域中得到了大量应用,主要是为优化油田生产过程提供新的方案,例如油井的产液量计量与预测问题,国内现在常用的产液量计算手段多采取运输管道将单井采出液连接到计量站批量计量,这种方法第一成本较高,同时自动化程度低。于是,寻找计量流程简易、计量成本低并且能够自动连续计量的方法是优化油田生产的一个重要工作。示功图产液量计量这一方法是目前相对高效的技术,并且已经开始广泛应用于众多油田实际生产中,但是仍存在部分问题。因此,本文针对油井产量预测问题,利用油藏工程基础理论与机器学习相结合的方法进行了研究。主要内容如下:(1)介绍了抽油机井地面示功图的图像含义,并利用相关性给分析方法研究示功图与油井产量之间的潜在关系,提出了基于矩特征向量和主成分分析的提取示功图的特征值的方法,获得了用于预测油井产量示功图的新特征值。(2)利用机器学习方法挖掘油田实际生产中单井产量的主要影响因素。采用定量分析与定性分析相结合的方法,挑选出用于创建油井产量预测模型的参数。定性分析利用决策树算法来实现,定量分析利用人工神经网络算法来实现,结合两种分析结果与油藏工程基础理论筛选出11个参数作为建立油井产量预测模型的输入变量。(3)结合现阶段已有的利用机器学习方法进行产量预测的方法,选取长短期记忆神经网络(LSTM)作为建立预测模型的核心算法,并针对LSTM算法的缺点进行了优化研究。本文选取智能群体算法中的人工鱼群算法来优化LSTM算法,针对该算法寻优精度低的问题进行了改进。(4)建立了基于改进的人工鱼群算法和长短期记忆神经网络算法的油井产量预测模型,并利用Matlab GUI编制软件实现油井产量预测功能,并将油田的实际生产数据导入软件进行实验验证,验证结果表明该预测模型比示功图量油技术的预测精度高,实现了油井产量的自动化计量。本文以示功图量液技术为基础理论,选取示功图与油井的相关生产数据作为样本数据,利用机器学习方法实现了油井产量远程、自动计量预测,进一步指导油田生产。编制的基于示功图的油井产量预测软件的预测精度满足单井产量计量的精度要求,为提高单井产油效率、降低成本提供了帮助。

关键词：示功图量油油井产量预测长短期记忆神经网络机器学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人工智能在油井产量预测上的应用综述

化工设计通讯 2021年第1期47卷 125-126页

作者：程悦菲杨洋西南石油大学“油气藏地质及开发工程”国家重点实验室四川成都610500 西南石油大学地球科学与技术学院四川成都610500

近年来,人工智能在人脸识别、自动驾驶等多个领域得到了广泛应用,与其他学科交叉融合的相关研究发展迅速。主要综述了人工智能的发展历史及其在油井产量预测上的研究进展,目的是为了跟踪最新的科学研究进展,体现人工智能在油井产量预测... 详细信息

近年来,人工智能在人脸识别、自动驾驶等多个领域得到了广泛应用,与其他学科交叉融合的相关研究发展迅速。主要综述了人工智能的发展历史及其在油井产量预测上的研究进展,目的是为了跟踪最新的科学研究进展,体现人工智能在油井产量预测上的可行性和有效性,为该领域的科学研究工作者提供思路和新的启发,为实现智慧化油田提供新的科学支撑手段。

关键词：人工智能油井产量预测智慧化油田

在线全文

学校读者我要写书评

暂无评论

基于最小二乘法曲线拟合的油井产量预测

微型电脑应用 2009年第12期25卷 13-14页

作者：邵秀凤李利北京城市学院人工智能研究所北京城市学院应用技术学部

该文考虑了一种基于最小二乘法的曲线拟合方法,利用该方法对油井产量进行了预测,起到了辅助决策的作用。实际资料处理结果表明,此方法对油井产量预测问题具有良好的实用性和准确性。

关键词：最小二乘法曲线拟合油井产量预测

基于长短时记忆神经网络模型的油井产量预测方法

在线全文

学校读者我要写书评

暂无评论

石油化工应用 2021年第10期40卷 44-47页

作者：卢川宋来明董银涛陈冠中段锐中海油研究总院有限责任公司北京100028

本文利用长短时记忆神经网络模型,借助其具有长期时间序列记忆的能力,以油井产油量为目标函数,以有效厚度、渗透率、原油黏度三个储层流体参数作为静态约束条件,以油压、井底流压、含水率、气油比、日产液五个生产参数作为动态约束条件... 详细信息

本文利用长短时记忆神经网络模型,借助其具有长期时间序列记忆的能力,以油井产油量为目标函数,以有效厚度、渗透率、原油黏度三个储层流体参数作为静态约束条件,以油压、井底流压、含水率、气油比、日产液五个生产参数作为动态约束条件,建立综合考虑多种动静态参数影响的油井产量预测模型。应用实例表明,该模型可以较准确预测油井产量,平均综合误差为4.78%。通过敏感性分析,进一步讨论了模型重要参数(隐藏层节点数、学习率、训练步数)不同取值范围对输出结果的影响规律。该模型的建立及参数影响规律认识对于指导长短时记忆神经网络数据挖掘算法在油井产量预测中的快速应用具有重要意义。

关键词：长短时记忆神经网络数据挖掘算法油井产量预测敏感性分析

融合LSTM神经网络预测与抽油效益分析的节能算法研究

在线全文

学校读者我要写书评

暂无评论

融合LSTM神经网络预测与抽油效益分析的节能算法研究

作者：杨旋西安石油大学

学位级别：硕士

石油作为工业化进程中最重要的战略资源之一,在工业发展中有着不可替代的作用。我国正在开采的油井多是“低渗透”或“超低渗透”油井。在开采中后期,由于油井储液速度与抽油机采油速度不匹配,会使抽油机处于“轻载”或者“空载”工作状... 详细信息

石油作为工业化进程中最重要的战略资源之一,在工业发展中有着不可替代的作用。我国正在开采的油井多是“低渗透”或“超低渗透”油井。在开采中后期,由于油井储液速度与抽油机采油速度不匹配,会使抽油机处于“轻载”或者“空载”工作状态,不但浪费大量能源,而且造成抽油机的无效磨损,对油田企业的经济收益产生较大影响。为此,本文以减少采油过程中的能量损耗并提高单井收益为目标,设计了一种融合LSTM神经网络预测与抽油效益分析的节能算法,主要研究内容如下:(1)确定产液量预测方法。通过对井内储油速度的影响因素进行分析,分别使用超定方程、线性回归方程、LSTM神经网络和BP神经网络预测方法,以油田生产数据为样本对油井的产液量进行预测。通过对比预测结果发现,LSTM神经网络在处理规律性较强的数据样本时,能够取得较其余三种方法更为优异的效果,预测结果的相对误差仅为0.04%。(2)设计抽油节能算法。以LSTM预测的单井产液量为依据,在考虑井下储油速度的影响因素和抽油过程中的成本损耗后,建立包含LSTM预测的产液量、原油价格、注水成本和电费成本在内的单井抽油效益分析函数。在此基础上,分别设计了适应于采油作业不同阶段的注水加压效益算法、机械抽油效益算法和复合抽油效益算法。(3)验证算法的有效性。将所设计的多种算法植入STM32F1精英版开发板中,设计并实现抽油节能控制系统,与L298N电机驱动模块、GA12-N20减速电机和游梁式抽油机模型共同搭建油田抽油机模拟作业平台,使用该平台对油井作业过程进行模拟。实验结果表明,本文所设计的融合LSTM神经网络预测与抽油效益分析的节能算法,在对油井的产液量进行准确预测的基础上,能够有效减少能源浪费,提高油田企业收益。

关键词： LSTM神经网络单井效益分析油井产量预测抽油节能算法 BP神经网络