应用于石油钻井安全评价的改进主成分分析-贝叶斯判别方法

发布时间：2019-11-06 11:20

【摘要】：针对主成分分析-贝叶斯判别法(PCA-BDA)仅支持安全评价但不能发现危险因素的问题,引入属性重要度的概念,提出一种改进的PCA-BDA算法,并将其应用于石油钻井安全评价。首先,使用原始PCA-BDA方法评估出各条记录的安全等级;然后,利用主成分分析(PCA)过程中的特征向量矩阵,贝叶斯判别(BDA)过程中的判别函数矩阵,以及各安全等级的权重计算得出属性重要度;最后,通过参考属性重要度来调控属性。安全评价准确率的对比实验中,改进PCA-BDA方法准确率达到96.7%,明显高于层次分析法(AHP)和模糊综合评价法(FCE)。调控属性的仿真实验中,调控重要度最高的3个属性70%以上的钻井安全等级得到改善;相对地,调控重要度最低的3个属性钻井安全等级几乎没有变化。实验结果表明,改进PCA-BDA方法不仅能够准确地实现安全评价,同时能够找出关键属性使石油钻井安全管理更有针对性。
【图文】：

安全评价体系,石油钻井

)，以及两者混合的方法PCA-BDA。1．1石油钻井安全评价体系石油钻井安全评价是石油钻井安全管理的重要组成部分。它利用系统工程的方法为钻井作业提供综合的评估，并且预测潜在风险和可能后果。基于评估结果，钻井企业可以提出相应的安全措施，以便减少危险和损失，进而提高效率。作为石油工业的重要环节，石油钻井备受重视。作为一项需要巨大投资的系统工程，它具有多因素、多层次、高风险、立体交叉和连续作业等特点［11］。所以，石油钻井安全评价是一项复杂且必须的任务。本文所研究的石油钻井安全评价体系如图1所示。图1石油钻井安全评价体系Fig．1Drillingsafetyevaluationsystem1．2主成分分析主成分分析是一项用于数据压缩和特征提取的技术［12－13］。在处理多变量问题时，通常变量之间都会存在或多或少的相关，这样的相关相当于一种信息重叠，会对数据分析的准确性产生影响。主成分分析正好被用于解决此类问题。它可以在很少或是没有信息重叠的前提下，将原本存在相关的变量转化为相互独立的主成分(PrincipalComponent，PC)，每个主成分都是原始变量的一个线性组合。主成分分析的数学模型［4，13］如下所示。假设样本数据如矩阵X所示:X=X11X11…X1pX21X22…X2p鐤鐤鐤Xn1Xn2…Xnp=(X1，X2，，…，Xp)利用原始数据X和特征向量矩阵T进行线性组合Y=TX。Y1=t11*X1+t12*X2+…+t1p*XpY2=t21*X1+t22*X2+…+t2p*Xp鐤Yn=tn1*X1+tn2*X2+…+tnp*X{p所得变换同时满足以下条件:1)所得主成分两两不相关;2)Y1的方差最大，它在主成分中的贡献最大，而Y

过程图,基本的,过程,安全评价

南妊楦?率pa，同时计算分组Ga中样本的属性均值;步骤2计算协方差矩阵Sa，然后计算联合协方差S;步骤3构建贝叶斯判别方程，并将参数代入;步骤4使用判别方程判别样本，并检验判别结果L'是否符合要求。1．4PCA-BDA方法一般情况下，在安全评价指标体系中会存在或多或少的信息重叠问题，这些信息重叠会在一定程度上影响安全评价模型的准确性［9］。为了消除这种影响，研究者们将主成分分析与判别分析方法结合使用［5－8］，而作为此类方法的一份子，PCA-BDA也被应用于相关领域。PCA-BDA的基本原理如图2所示。在这个混合方法中，主成分分析被用于消除属性间的相关性，同时实现数据降维;接着，将得到的主成分作为输入利用贝叶斯判别法来评估安全等级。如此，安全评价模型得以建立，属性间的信息重叠得以消除，安全等级的判断得以实现。这样的一种结合被称为PCA-BDA方法。图2基本的PCA-BDA过程Fig．2BasicPCA-BDAprocess2基于改进PCA-BDA的石油钻井安全评价通过研究原有的PCA-BDA方法原理以及石油钻井安全评价的特点，本文提出了一种适用于石油钻井安全评价的改进PCA-BDA方法。2．1问题定义尽管PCA-BDA方法已经被广泛地接受与应用，但是该方法依然存在一些亟待解决的缺陷。试想这样一种情况:某第5期任冬梅等:应用于石油钻井安全评价的改进主成分分析-贝叶斯判别方法1821

【相似文献】