您好, 访客   登录/注册

基于PSO-SVM的油田注水动态预测模型

来源:用户上传      作者:

  分析油田注水开发的动态过程中产油量与各注水开发影响因素之间的复杂非线性关系对实现油田最优控制开采及预测开发指标具有实际意义。通过引入粒子群算法(PSO)对支持向量机(SVM)的参数进行优化,提出了一种基于PSO-SVM的油田注水动态预测模型。该模型利用SVM来建立注水开发影响因素和产油量之间的复杂非线性关系;同时利用PSO对SVM参数进行全局寻优,避免了参数选择的盲目性。将该模型应用于实际工程,结果表明,模型的预测结果与实际具有很好的一致性,预测精度高,可实现油田注水开发过程的动态预测。
  油田开发;注水;产量预测;PSO-SVM
  支持向量机(SVM)是近年来发展的一种机器学习算法,与传统的多元回归法、神经网络法相比,根据结构风险最小化原则,最大程度地提高其泛化能力,不过分地依赖样本的数量和质量,从理论上得到的将是全局最优解,克服了传统经验统计模型样本容量大、易陷入局部极小值等问题。因此,本文提出将SVM与粒子群算法(PSO)相结合,充分利用SVM在处理小样本回归问题上具有的独特优越性及PSO全局搜索优化等特点,考虑影响注水开发油田产油量的多项因素,建立了一种基于PSO-SVM的油田注水动态预测模型。
  1. 支持向量机回归原理
  参考文献
  [1] 张瑞杰,常玉连,杨剑天等.某油田注水系统分压及优化节能技术[J]油气田地面工程.2011.02

转载注明来源:https://www.xzbu.com/3/view-11519501.htm