基于聚类算法和关联规则的油田异常井分析

发布时间：2020-12-26 01:44

　　随着油气生产物联网和油田实时监控系统的应用,油田实时数据库和关系数据库每时每刻都会产生大量生产数据,如何对这些数据进行合理、高效的分析利用关系着油气生产的方方面面。伴随着数据挖掘技术的快速发展,传统石油行业逐步将这种新兴技术应用到油田实际生产操作过程中,聚类技术和关联规则作为一种分析、处理数据的重要工具,越来越受到人们的关注。抽油机井的运行状态作为影响油田产量的重要因素,如何正确合理高效的判断生产井的运行状态是目前石油行业中急需解决的问题。本文在已有的研究基础上结合油田实际生产情况旨在提出一种改进的k-means方法达到判断抽油机井的生产状态的目的,根据聚类后的结果采用apriori算法对可能影响抽油机井运行状态的生产参数进行关联性分析。本研究对油田异常井现有的研究现状进行了充分分析,介绍了数据挖掘技术在油气生产过程中的使用情况,然后对k-means算法和apriori算法进行了理论分析,本文主要的研究工作如下所示:1.针对k-means算法易受异常点和离群点的影响,提出一种加权的欧式距离达到减少异常因素的制约的目的,从而降低异常点和离群点对聚类效果的影响,并使用Python编程对UC... 

【文章来源】：兰州理工大学甘肃省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

油田异常井管理系统

基于聚类和关联规则的油田异常井分析第 j 组集合中；以这种方式将所有的数据样本分配到相应的集合之，使用每个聚类的初始质心jC 。继续循环执行第（2）步和第（3）步，直到数据的划分不再最终获得最小化的 Kk xCikikSSECxc12( )。2.1 所示为 k-means 算法的算法流程图：

图 2.2 apriori 算法流程图的产生过程集最常用的方法就是枚举法，该方法就是把每在数据集中出现的次数，如果出现次数大于最集。个项集是频繁的，则它的所有子集也一定是繁的，则其所有子集一定为非频繁项集，将不

【参考文献】：
期刊论文
[1]基于改进Apriori的WiFi入侵检测模型研究[J]. 刘明峰,侯路,郭顺森,韩然.  沈阳航空航天大学学报. 2019(02)
[2]基于改进Apriori算法的糖尿病预诊系统[J]. 张冲,张云华.  计算机系统应用. 2019(02)
[3]油田生产中大数据分析技术的研究[J]. 张乃文.  化学工程与装备. 2019(01)
[4]基于大数据下K-means聚类算法的在线学习行为路径应用研究[J]. 刘思宏,余飞.  兰州文理学院学报(自然科学版). 2019(01)
[5]大数据技术在油田勘探开发生产中的应用[J]. 吴永平.  现代信息科技. 2018(12)
[6]基于萤火虫优化的加权K-means算法[J]. 陈小雪,尉永清,任敏,孟媛媛.  计算机应用研究. 2018(02)
[7]基于K均值聚类方法的抽油机井系统能耗分析[J]. 王辉萍,檀朝东,任桂山,刘萍,杨若谷.  数码设计. 2016(02)
[8]关联规则在油田开发动态预警系统中的应用[J]. 同晓.  电脑知识与技术. 2016(05)
[9]吉林油田测调异常井温曲线分析[J]. 张云.  石油管材与仪器. 2015(05)
[10]大数据相关分析综述[J]. 梁吉业,冯晨娇,宋鹏.  计算机学报. 2016(01)

硕士论文
[1]改进的谱聚类算法及在油气产量预测中的应用研究[D]. 才彦姣.兰州理工大学 2018
[2]基于时间序列分析方法的油田产量预测与应用[D]. 李达.兰州理工大学 2018
[3]基于Apriori算法的图书馆管理系统的设计与实现[D]. 刘玉静.青岛大学 2018
[4]Apriori改进算法在交通违法数据分析中的应用研究[D]. 赵妍.长安大学 2018
[5]油田海量数据挖掘技术研究及应用[D]. 宋成坤.东北石油大学 2017
[6]数据挖掘在学生成绩分析中的应用研究[D]. 李芳.兰州大学 2017
[7]K-means聚类算法的改进研究[D]. 韩学尧.天津大学 2017
[8]基于动态神经网络的油田开发数据分析和预测模型研究[D]. 李铁宁.东北石油大学 2016
[9]油气勘探开发大数据分析模式的研究[D]. 金宗泽.东北石油大学 2015
[10]大规模数据挖掘聚类算法的研究与实现[D]. 崔日新.西安电子科技大学 2013



本文编号：2938793