隨著油氣生產(chǎn)物聯(lián)網(wǎng)和油田實時監(jiān)控系統(tǒng)的應(yīng)用,油田實時數(shù)據(jù)庫和關(guān)系數(shù)據(jù)庫每時每刻都會產(chǎn)生大量生產(chǎn)數(shù)據(jù),如何對這些數(shù)據(jù)進(jìn)行合理、高效的分析利用關(guān)系著油氣生產(chǎn)的方方面面。伴隨著數(shù)據(jù)挖掘技術(shù)的快速發(fā)展,傳統(tǒng)石油行業(yè)逐步將這種新興技術(shù)應(yīng)用到油田實際生產(chǎn)操作過程中,聚類技術(shù)和關(guān)聯(lián)規(guī)則作為一種分析、處理數(shù)據(jù)的重要工具,越來越受到人們的關(guān)注。抽油機(jī)井的運行狀態(tài)作為影響油田產(chǎn)量的重要因素,如何正確合理高效的判斷生產(chǎn)井的運行狀態(tài)是目前石油行業(yè)中急需解決的問題。本文在已有的研究基礎(chǔ)上結(jié)合油田實際生產(chǎn)情況旨在提出一種改進(jìn)的k-means方法達(dá)到判斷抽油機(jī)井的生產(chǎn)狀態(tài)的目的,根據(jù)聚類后的結(jié)果采用apriori算法對可能影響抽油機(jī)井運行狀態(tài)的生產(chǎn)參數(shù)進(jìn)行關(guān)聯(lián)性分析。本研究對油田異常井現(xiàn)有的研究現(xiàn)狀進(jìn)行了充分分析,介紹了數(shù)據(jù)挖掘技術(shù)在油氣生產(chǎn)過程中的使用情況,然后對k-means算法和apriori算法進(jìn)行了理論分析,本文主要的研究工作如下所示:1.針對k-means算法易受異常點和離群點的影響,提出一種加權(quán)的歐式距離達(dá)到減少異常因素的制約的目的,從而降低異常點和離群點對聚類效果的影響,并使用Python編程對UC... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

油田異常井管理系統(tǒng)

基于聚類和關(guān)聯(lián)規(guī)則的油田異常井分析第 j 組集合中；以這種方式將所有的數(shù)據(jù)樣本分配到相應(yīng)的集合之，使用每個聚類的初始質(zhì)心jC 。繼續(xù)循環(huán)執(zhí)行第（2）步和第（3）步，直到數(shù)據(jù)的劃分不再最終獲得最小化的 Kk xCikikSSECxc12( )。2.1 所示為 k-means 算法的算法流程圖：

圖 2.2 apriori 算法流程圖的產(chǎn)生過程集最常用的方法就是枚舉法，該方法就是把每在數(shù)據(jù)集中出現(xiàn)的次數(shù)，如果出現(xiàn)次數(shù)大于最集。個項集是頻繁的，則它的所有子集也一定是繁的，則其所有子集一定為非頻繁項集，將不

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)Apriori的WiFi入侵檢測模型研究[J]. 劉明峰,侯路,郭順森,韓然.  沈陽航空航天大學(xué)學(xué)報. 2019(02)
[2]基于改進(jìn)Apriori算法的糖尿病預(yù)診系統(tǒng)[J]. 張沖,張云華.  計算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[3]油田生產(chǎn)中大數(shù)據(jù)分析技術(shù)的研究[J]. 張乃文.  化學(xué)工程與裝備. 2019(01)
[4]基于大數(shù)據(jù)下K-means聚類算法的在線學(xué)習(xí)行為路徑應(yīng)用研究[J]. 劉思宏,余飛.  蘭州文理學(xué)院學(xué)報(自然科學(xué)版). 2019(01)
[5]大數(shù)據(jù)技術(shù)在油田勘探開發(fā)生產(chǎn)中的應(yīng)用[J]. 吳永平.  現(xiàn)代信息科技. 2018(12)
[6]基于螢火蟲優(yōu)化的加權(quán)K-means算法[J]. 陳小雪,尉永清,任敏,孟媛媛.  計算機(jī)應(yīng)用研究. 2018(02)
[7]基于K均值聚類方法的抽油機(jī)井系統(tǒng)能耗分析[J]. 王輝萍,檀朝東,任桂山,劉萍,楊若谷.  數(shù)碼設(shè)計. 2016(02)
[8]關(guān)聯(lián)規(guī)則在油田開發(fā)動態(tài)預(yù)警系統(tǒng)中的應(yīng)用[J]. 同曉.  電腦知識與技術(shù). 2016(05)
[9]吉林油田測調(diào)異常井溫曲線分析[J]. 張云.  石油管材與儀器. 2015(05)
[10]大數(shù)據(jù)相關(guān)分析綜述[J]. 梁吉業(yè),馮晨嬌,宋鵬.  計算機(jī)學(xué)報. 2016(01)

碩士論文
[1]改進(jìn)的譜聚類算法及在油氣產(chǎn)量預(yù)測中的應(yīng)用研究[D]. 才彥姣.蘭州理工大學(xué) 2018
[2]基于時間序列分析方法的油田產(chǎn)量預(yù)測與應(yīng)用[D]. 李達(dá).蘭州理工大學(xué) 2018
[3]基于Apriori算法的圖書館管理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 劉玉靜.青島大學(xué) 2018
[4]Apriori改進(jìn)算法在交通違法數(shù)據(jù)分析中的應(yīng)用研究[D]. 趙妍.長安大學(xué) 2018
[5]油田海量數(shù)據(jù)挖掘技術(shù)研究及應(yīng)用[D]. 宋成坤.東北石油大學(xué) 2017
[6]數(shù)據(jù)挖掘在學(xué)生成績分析中的應(yīng)用研究[D]. 李芳.蘭州大學(xué) 2017
[7]K-means聚類算法的改進(jìn)研究[D]. 韓學(xué)堯.天津大學(xué) 2017
[8]基于動態(tài)神經(jīng)網(wǎng)絡(luò)的油田開發(fā)數(shù)據(jù)分析和預(yù)測模型研究[D]. 李鐵寧.東北石油大學(xué) 2016
[9]油氣勘探開發(fā)大數(shù)據(jù)分析模式的研究[D]. 金宗澤.東北石油大學(xué) 2015
[10]大規(guī)模數(shù)據(jù)挖掘聚類算法的研究與實現(xiàn)[D]. 崔日新.西安電子科技大學(xué) 2013



本文編號：2938793