【摘要】：異常井是造成油田產(chǎn)量波動的主要原因之一,這一問題受到了更多專業(yè)人員的重視。預(yù)先對異常井進行檢測并及時進行相應(yīng)的修繕工作,能夠減少油田的損失。示功圖解析方法是傳統(tǒng)異常井預(yù)測方法之一,它通過專業(yè)人員對示功圖進行分析進而判斷油井是否異常。但這種方法更多依賴于人的經(jīng)驗,不僅耗時且易出錯。同時,閑置的歷史數(shù)據(jù)不能得以充分利用,限制了其價值的更大發(fā)揮。針對上述問題,本文實驗以示功圖成圖數(shù)據(jù)為基礎(chǔ),設(shè)計使用曲線矩理論和機器學(xué)習(xí)算法的方法,借助Hadoop平臺,進行異常井預(yù)測。預(yù)測過程主要分為如下步驟:首先,采用曲線矩理論描述示功圖的特征;然后,構(gòu)建異常井預(yù)測模型,模型采用基于決策樹方法的SVM多分類算法,并以PSO聚類算法構(gòu)建決策樹;最后,利用詞袋模型構(gòu)造新的特征向量描述示功圖,構(gòu)造泛化能力更強的預(yù)測模型。預(yù)測模型的輸入數(shù)據(jù)為經(jīng)曲線矩理論和詞袋模型轉(zhuǎn)換的特征值數(shù)據(jù),輸出數(shù)據(jù)為油井的異常類型,其中利用了以MapReduce計算框架實現(xiàn)的網(wǎng)格搜索法對SVM算法的參數(shù)進行了尋優(yōu),提高了尋優(yōu)效率和預(yù)測性能,實現(xiàn)了異常井預(yù)測。預(yù)測結(jié)果的準(zhǔn)確率可達(dá)到90%以上。
【學(xué)位授予單位】：中國石油大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TE151;TP18
【圖文】：

圖 2.1 理論示功圖Fig. 2.1 Theoretical dynamometer card機上下往復(fù)的過程中，隨著油液的進出，活塞的位置、游關(guān)狀態(tài)、抽油桿和油管的形變程度以及光桿相對于泵筒的化。示功圖就是根據(jù)這個過程繪制的，并能夠從一定程度 2.1 所示，其中的線段 AB、BC、CD、DA 就反映了光桿所化關(guān)系�？梢姡珹、B、C、D 四個部分能夠從一定程度上反測量中，油井井下管桿和泵除了受到抽油設(shè)備質(zhì)量以及所會受到油層中的砂、蠟、氣等多種因素的影響，同時還會層供油不充足的現(xiàn)象等[18]。這些影響因素都會導(dǎo)致油井工產(chǎn)生異常。況下的示功圖呈平行四邊形，若平行四邊形存在圖形局部等，都顯示著油井工況已產(chǎn)生異常。圖 2.2 所示的就是幾種

0 1= = 1, 2, ,E ， ，i,i i ,i iF lh -h h - h i nS E，E 為抽油桿的彈性模量； 為抽油桿密度；c 為阻尼系桿柱 k 位置在 t 時刻沿地下方向的距離，在式（2.1）中記為 h懸點距離，h0,i和 h1,i分別表示抽油桿柱第 0 個和第 1 個節(jié)點在步長；Fi為懸點載荷；S 為抽油桿的橫截面積。 模型是轉(zhuǎn)化示功圖的有效方法之一，目前仍在運用。得到井下會憑借專業(yè)知識和自身經(jīng)驗，通過解析泵功圖得到油井的工況常。家系統(tǒng)田生產(chǎn)過程中，異常井的判斷通常由技術(shù)人員的經(jīng)驗知識及相表示和處理這些經(jīng)驗知識剛好是專家系統(tǒng)的強項。

存放專家的知識，包含所有假設(shè)和對應(yīng)的結(jié)果。專家系統(tǒng)模仿人類專家的思維模式來解答問題，因此越完備的知識統(tǒng)的性能更好。推理機把問題或已知條件多次與知識庫中的終答案。神經(jīng)網(wǎng)絡(luò)經(jīng)網(wǎng)絡(luò)（ArtificialNeural Network，ANN）是通過仿照大腦信息進行分布式處理的方法[21]。它由網(wǎng)絡(luò)的復(fù)雜程度，以的方式來處理信息。經(jīng)網(wǎng)絡(luò)分為單層和多層。神經(jīng)元遍布于網(wǎng)絡(luò)各層，并由伴網(wǎng)絡(luò)對已有信息進行多次學(xué)習(xí)，并對權(quán)重作出調(diào)整，從而系和信息處理的工作，且僅需已知使輸出發(fā)生改變的非常相較于傳統(tǒng)數(shù)據(jù)處理方法，人工神經(jīng)網(wǎng)絡(luò)在處理大規(guī)模的的數(shù)據(jù)的效果更好。

【相似文獻】

相關(guān)期刊論文 前1條

1 陳中杰;蔣剛;蔡勇;;基于SVM一對一多分類算法的二次細(xì)分法研究[J];傳感器與微系統(tǒng);2013年04期

相關(guān)碩士學(xué)位論文 前1條

1 林圣迪;基于支持向量機的油田異常井預(yù)測分析的研究與實現(xiàn)[D];中國石油大學(xué)(北京);2018年

本文編號：2778456