基于高斯过程回归的分层注水量预测研究

发布时间：2022-10-18 15:45

　　在油田开采中,为了保证水驱采油技术的效果,分层注水工艺被广泛采用。其中分层注水量的确定对油田的产油效率有直接影响。因此,准确预测分层注水量,对于有效动用油田分层注水各层,提高采油率,减少水在层间低效循环是极其重要的。首先,本文对影响分层注水量的因素进行分析,从稳定注水条件下投入生产的油田中进行油田产能数据及地质数据的采集。根据油田数据分布以及注水开发的影响对流体和储层物性参数进行分析。使用高斯过程回归算法建立油田分层注水量预测的数学模型。对油田分层注水量进行预测,与实际配注情况进行对比。比较不同核函数在油田分层注水量预测模型建模方面的表现差异,确定最符合注水数据规律的核函数。验证了基于高斯过程回归的分层注水量预测模型的有效性。其次,为了解决建模计算量过大和回归预测时间过长的问题,对实验数据分别采用主元分析法和核主元分析法进行降维处理并进行对比,验证核主元分析在数据降维方面,可以用更少的维数在保留大部分原始信息。最后,对上述高斯过程回归算法使用的核函数进行特征分析,并且分析超参数的改变对模型预测分布的影响。针对单一核函数的局限性,采用组合优化的方法对核函数进行改进,在保证局部学习能力的同... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的目的和意义
    1.2 分层注水量预测方法国内外研究现状
    1.3 预测算法国内外研究现状
        1.3.1 高斯过程回归应用现状
        1.3.2 核主元分析法应用现状
    1.4 本文主要研究内容
第2章 基于核主成分分析的分层注水量降维算法研究
    2.1 分层注水量数据分析
        2.1.1 油藏岩石和流体物性数据分析
        2.1.2 储层物性数据分析
        2.1.3 产能数据分析
        2.1.4 其他数据
    2.2 核主元分析算法研究
        2.2.1 主成分分析
        2.2.2 核主元分析
    2.3 分层注水量数据降维模型建立及仿真
    2.4 本章小结
第3章 基于高斯过程回归的分层注水量预测算法研究
    3.1 高斯过程回归算法研究
        3.1.1 随机分布
        3.1.2 高斯分布与高斯过程
        3.1.3 高斯过程回归
    3.2 分层注水量预测模型建立
        3.2.1 高斯过程回归的建模方法
        3.2.2 模型核函数的选择
        3.2.3 模型超参数的选择
    3.3 分层注水量模型仿真及验证
    3.4 本章小结
第4章 基于组合核函数GPR的分层注水量算法研究
    4.1 单一核函数
        4.1.1 单一核函数结构分析
        4.1.2 单一核函数预测结果分析
        4.1.3 核函数的超参数对预测影响
    4.2 组合核函数
        4.2.1 组合法则
        4.2.2 组合核函数结构分析
    4.3 基于组合核函数GPR的分层注水量预测
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于KPCA-GRNN的炼化厂管道腐蚀速率预测[J]. 段春莲,罗东浩,杨剑锋,陈良超,刘晓晨,安延海.  河北工业科技. 2019(05)
[2]稀疏高斯过程在短期风电功率概率预测中的应用[J]. 李军,杜雪.  电机与控制学报. 2019(08)
[3]关于风力发电系统短期风速预测仿真[J]. 王玲,程耕国,袁志强,蒋维.  计算机仿真. 2018(11)
[4]基于KPCA-MPSO-ELM的矿井突水水源判别模型[J]. 毛志勇,黄春娟,路世昌,韩榕月.  中国安全科学学报. 2018(08)
[5]基于粒子群优化及高斯过程回归的铅酸电池荷电状态预测[J]. 徐彬泰,孟祥鹿,田安琪,孙勇健,曹立斌,江颖洁.  南京理工大学学报. 2018(02)
[6]采油分层注水工艺探讨研究[J]. 孔忠.  云南化工. 2018(02)
[7]油田注水开发效果评价方法[J]. 雷田田.  石油石化节能. 2017(08)
[8]导航卫星遥测数据趋势预测技术研究[J]. 张弓,翟君武,杨海峰.  航天器工程. 2017(03)
[9]基于局部高斯过程的短期风速预测[J]. 常纯,李德胜.  计算机与现代化. 2017(01)
[10]核主成分分析网络的人脸识别方法[J]. 胡伟鹏,胡海峰,顾建权,李昊曦.  中山大学学报(自然科学版). 2016(05)

博士论文
[1]基于核学习理论的船舶柴油机故障诊断研究[D]. 柴艳有.哈尔滨工程大学 2012
[2]模糊聚类新算法与聚类有效性问题研究[D]. 范九伦.西安电子科技大学 1998

硕士论文
[1]基于高斯过程回归的翼型快速设计研究[D]. 单志辉.南京航空航天大学 2011
[2]分层注水配注量计算与优化研究[D]. 叶剑川.长江大学 2014
[3]基于高斯过程回归模型的贝叶斯滤波故障诊断方法研究[D]. 祁丽洁.北京交通大学 2017
[4]高斯过程回归在基于图片视频数据的预测问题中的应用研究[D]. 嵇浩.南京邮电大学 2018
[5]基于改进KPCA方法的工业控制系统假数据注入攻击异常检测研究[D]. 刘颖.浙江大学 2019
[6]基于KPCA和ELM的入侵检测方法研究[D]. 于乐.吉林大学 2019



本文编号：3692603