發(fā)布時(shí)間：2024-03-02 13:54

　　針對(duì)凝析氣藏露點(diǎn)壓力預(yù)測(cè)準(zhǔn)確性相對(duì)較低的問(wèn)題,基于數(shù)據(jù)挖掘,提出了一種將灰狼算法(GWO)與最小二乘支持向量機(jī)(LSSVM)相結(jié)合的新模型(GWO-LSSVM模型)。在Pearson關(guān)聯(lián)性分析基礎(chǔ)上,選取氣藏溫度、(C₁、C₂-C₆、C₇₊)摩爾分?jǐn)?shù)、C₇₊相對(duì)分子質(zhì)量、C₇₊相對(duì)密度作為新模型的自變量,露點(diǎn)壓力為因變量。采用公開(kāi)發(fā)表的37個(gè)露點(diǎn)壓力數(shù)據(jù)優(yōu)化GWO-LSSVM模型參數(shù)(γ,σ²),然后對(duì)10組TLM油田實(shí)測(cè)露點(diǎn)壓力數(shù)據(jù)進(jìn)行預(yù)測(cè)。結(jié)果表明:GWO-LSSVM模型預(yù)測(cè)精度較高,平均絕對(duì)相對(duì)誤差(AARD)僅為2.6%。最后,根據(jù)Leverage方法,進(jìn)行了所有數(shù)據(jù)的異常點(diǎn)檢測(cè)。本研究為凝析氣藏露點(diǎn)壓力預(yù)測(cè)提供了一種有效方法。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1GWO算法原理圖

如圖1所示,定義距離目標(biāo)較近的灰狼個(gè)體為α、β、δ,其余ω狼按照如下準(zhǔn)則進(jìn)行坐標(biāo)更新。式中:t為迭代次數(shù),x為灰狼的位置向量,A為收斂因子,其表達(dá)式為:

圖2露點(diǎn)壓力影響因素分析

由圖2可知,氣藏溫度、(C1、C2-C6、C7+)摩爾分?jǐn)?shù)、C7+相對(duì)分子質(zhì)量、C7+相對(duì)密度可作為GWO-LSSVM模型的輸入變量。其中:氣藏溫度為375.15～418.55K、(C1、C2-C6、C7+)摩爾分?jǐn)?shù)分別為65.59%～96.61%、1.17%～18.82%、....

圖3GWO-LSSVM模型計(jì)算流程

GWO-LSSVM露點(diǎn)壓力預(yù)測(cè)模型的流程如圖3所示。(1)選出具有代表性的實(shí)驗(yàn)數(shù)據(jù)并進(jìn)行歸一化處理,初始化LSSVM和算法參數(shù);

圖4GWO-LSSVM模型預(yù)測(cè)結(jié)果

如圖4所示,GWO-LSSVM模型的預(yù)測(cè)值和實(shí)驗(yàn)值均勻分布在45°線附近,訓(xùn)練集和預(yù)測(cè)集的AARD分別為2.26%和3.76%,其中最大誤差分別為10.47%和12.65%。從而表明,GWO-LSSVM模型能較好地預(yù)測(cè)出凝析氣藏露點(diǎn)壓力。4異常點(diǎn)檢測(cè)

本文編號(hào)：3916953