基于數(shù)據(jù)挖掘的功圖法量油和液面預(yù)測(cè)技術(shù)研究.pdf

1、本文以采油井示功圖和生產(chǎn)數(shù)據(jù)進(jìn)行預(yù)測(cè)產(chǎn)液量和動(dòng)液面作為主要研究?jī)?nèi)容,豐富了數(shù)字化建設(shè)的內(nèi)容。通過(guò)提取示功圖特征值聯(lián)合單井生產(chǎn)信息作為樣本學(xué)習(xí)數(shù)據(jù),實(shí)現(xiàn)液量自動(dòng)計(jì)量和動(dòng)液面計(jì)算,進(jìn)一步指導(dǎo)油田生產(chǎn),降低產(chǎn)能建設(shè)投入和運(yùn)行成本,實(shí)現(xiàn)提高油井系統(tǒng)效率的目的。通過(guò)對(duì)基于數(shù)據(jù)挖掘的功圖量油和動(dòng)液面預(yù)測(cè)技術(shù)的研究,提高了油田的信息化、數(shù)字化程度。主要研究?jī)?nèi)容包括：⑴提出基于傅里葉描述子(Fourier Description)、矩特征向量和灰度矩陣

2、統(tǒng)計(jì)量提取示功圖特征值的方法,分析各種方法優(yōu)點(diǎn)和缺點(diǎn),并最終確立基于傅里葉描述子的提取示功圖特征值方法為本論文進(jìn)行產(chǎn)液量和動(dòng)液面預(yù)測(cè)的特征值提取方法。⑵通過(guò)對(duì)預(yù)測(cè)樣本進(jìn)行分析,以修正神經(jīng)網(wǎng)絡(luò)算法、用SCG算法的變梯度反向傳播算法和最速梯度下降算法等不同神經(jīng)網(wǎng)絡(luò)方法建立的模型對(duì)預(yù)測(cè)樣本進(jìn)行訓(xùn)練,從而得到神經(jīng)網(wǎng)絡(luò),進(jìn)而進(jìn)行產(chǎn)液量和動(dòng)液面預(yù)測(cè)。在預(yù)測(cè)一次完成后。⑶對(duì)不同方法進(jìn)行的產(chǎn)液量和動(dòng)液面預(yù)測(cè)誤差進(jìn)行分析,獲得較好的預(yù)測(cè)方法,從而進(jìn)一步指