基于Lasso算法的油田产量预测方法

发布时间：2021-12-28 08:41

　　随着油田的不断开采,油田的产量预测也变得越来越重要。目前有许多基于机器学习的预测方法,但大多数都不能给出具体的预测模型。提出一种基于Lasso算法的预测方法,结合现场生产数据,选取一系列相关特征参数,通过对参数数据的分析,初步选取各个参数的函数形式,然后利用Lasso算法得到最终的预测模型,达到预测产量的目的。现场试验表明,该方法得到的预测模型比较准确,可解释性强,且预测精度高,可以应用于矿场产量预测。 

【文章来源】：科学技术与工程. 2020,20(26)北大核心

【文章页数】：5 页

【部分图文】：

幂函数

系数变化曲线

利用得到的预测模型在训练集中进行拟合,可以得到1976年1月至2015年12月的产油量,其结果如图3所示。利用式(10)计算该模型在训练集中的误差为9.8%,结合图3的拟合效果可以发现,该模型在训练集整体的拟合效果良好,能够得到比较准确的预测结果。

【参考文献】：
期刊论文
[1]特高含水期产量递减分析及递减率表征公式[J]. 黄广庆.  科学技术与工程. 2019(15)
[2]基于长短期记忆神经网络的油田新井产油量预测方法[J]. 侯春华.  油气地质与采收率. 2019(03)
[3]基于Lasso方法的污染气体自适应探测算法[J]. 崔方晓,李大成,吴军,王安静,李扬裕.  光学学报. 2019(05)
[4]基于ARIMA-Kalman滤波器数据挖掘模型的油井产量预测[J]. 谷建伟,隋顾磊,李志涛,刘巍,王依科,张以根,崔文富.  深圳大学学报(理工版). 2018(06)
[5]基于PLSR的压裂增油量变权重组合预测方法研究[J]. 李延平,修增鹏,丛岩.  中国锰业. 2018(04)
[6]基于线性回归法和时间序列法的石油产量预测研究[J]. 任芳玲,任思东,李佳佳.  河南科学. 2018(06)
[7]一种基于LASSO回归模型的彩色相机颜色校正方法[J]. 郭越,高昆,朱钧,豆泽阳,黄亚东,冯云鹏.  影像科学与光化学. 2017(02)
[8]基于多元混沌时间序列的油田产量预测模型[J]. 钟仪华,林旭旭,刘雨鑫.  数学的实践与认识. 2016(06)
[9]基于遗传算法优化BP神经网络在原油产量预测中的应用:以大庆油田BED试验区为例[J]. 马林茂,李德富,郭海湘,李伟伟.  数学的实践与认识. 2015(24)

博士论文
[1]基于灰色系统与核方法的油藏动态预测方法研究[D]. 马新.西南石油大学 2016



本文编号：3553756