基于多目标优化的油田配产问题研究

发布时间：2023-05-13 14:00

　　目前,我国大部分油田已处于开发的中、后期。随着开发的进行,油田出现了一系列问题:油井采出程度较高、长期处于高含水与特高含水阶段、开发难度大;各个采油厂原油成本快速上升、成本分布不均;资金投入、周转困难等。这些问题导致石油产量逐步下降、效益降低。在此背景下,石油企业如何依据现有的资源和技术运用机器学习方法,提高油田产量预测水平,合理的构建油田配产多目标优化模型,实现对油田产量和资金投入量的科学规划,提高石油企业决策水平,这将是各大油田公司可持续发展的战略目标。(1)针对传统预测模型预测精度不高,影响因素考虑不全面的问题,本文提出了基于ARIMA-LightGBM-LSTM模型融合的预测方法。首先,使用ARIMA模型对产量列做单变量预测,将预测值作为新变量同特征选择得到的特征一起放入LightGBM模型中进行不同属性的挖掘,并将预测值合并到第二次特征选择得到的多变量序列中,然后将得到的多变量序列利用LSTM模型进行预测。通过对3种模型预测结果加权组合,并多次实验得出最佳权值来计算最终的预测值。仿真数据结果表明,基于ARIMA-LightGBM-LSTM加权组合的多变量预测方法能够比单一的预...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
        1.2.1 油气配产问题研究综述
        1.2.2 油田区块产量预测研究现状
        1.2.3 油气配产问题研究现状
    1.3 论文的主要工作和组织结构
第2章 理论概述
    2.1 油气配产基本理论
        2.1.1 油气配产的研究对象
        2.1.2 油气配产的类型
    2.2 ARIMA算法基本理论
    2.3 LightGBM算法基本理论
    2.4 LSTM算法基本理论
    2.5 差分进化算法基本理论
        2.5.1 多目标优化相关概念
        2.5.2 MOEA/D进化算法描述
    2.6 Q学习算法的基本知识
        2.6.1 多步Q学习算法
        2.6.2 Q矩阵记忆算法
    2.7 模型评价指标
    2.8 本章小结
第3章 数据概述及特征选择
    3.1 数据选取
    3.2 数据预处理
        3.2.1 缺失值填充
        3.2.2 异常值处理
        3.2.3 特征标准化
    3.3 特征选择方法
        3.3.1 随机森林特征选择
        3.3.2 皮尔逊相关性系数
    3.4 本章小结
第4章 油田产量预测模型的设计与实现
    4.1 融合模型设计
    4.2 基于ARIMA的区块产量预测
        4.2.1 模型构建
        4.2.2 模型评估
    4.3 基于LightGBM算法的区块产量预测
        4.3.1 模型构建
        4.3.2 模型评估
    4.4 基于LSTM算法的区块产量预测
        4.4.1 模型构建
        4.4.2 模型评估
    4.5 基于多模型融合的区块产量预测
    4.6 模型效果比对分析
    4.7 本章小结
第5章 油田配产模型的设计与实现
    5.1 油气配产的基本程序
    5.2 油气配产模型的建立
    5.3 改进的MOEA/D算法设计
        5.3.1 MOEA/D-Q算法简介
        5.3.2 多目标及约束条件处理
        5.3.3 MOEA/D-Q算法的计算步骤
    5.4 实验设置与实验结果
        5.4.1 实验设置
        5.4.2 MOEA/D-Q算法和MOEA/D算法的计算结果比较
    5.5 配产模型的求解及分析
        5.5.1 配产模型的求解思路
        5.5.2 历史数据的整理分析
        5.5.3 仿真实验及结果分析
    5.6 对油田公司配产工作的建议
总结与展望
参考文献
致谢
附录 A 攻读硕士学位期间所发表的学术论文



本文编号：3815960