本文關鍵詞：魚群算法優(yōu)化組合核函數(shù)GPR的油井動液面預測　出處：《東北大學學報(自然科學版)》2017年01期 　論文類型：期刊論文

  更多相關文章： 油井 動液面 人工魚群算法 組合核函數(shù) 高斯過程回歸

【摘要】：針對抽油井動液面(DFL)檢測主要依靠人工操作回聲儀測試,無法實時在線檢測,而單一核函數(shù)的高斯過程回歸(GPR)無法明顯提高預測精度和泛化能力,提出了一種人工魚群算法(AFSA)優(yōu)化組合核函數(shù)的動態(tài)高斯過程回歸動液面預測模型.采用多項式函數(shù)、線性函數(shù)與徑向基函數(shù)組合構(gòu)建核函數(shù),利用人工魚群算法對核函數(shù)模型參數(shù)進行尋優(yōu),采用快速傅里葉變換(FFT)和核主元分析(KPCA)融合提取時頻數(shù)據(jù)非線性特征作為模型輸入,提高模型的預測精度和泛化能力.油田現(xiàn)場應用驗證了該方法的有效性.
[Abstract]:In view of pumping well moving liquid level DFL detection mainly depends on manual operation echo testing, can not be real-time on-line detection. But the single kernel function, Gao Si process regression (GPRR), can not obviously improve the prediction accuracy and generalization ability. In this paper, an artificial fish swarm algorithm (AFSA) is proposed to optimize the dynamic Gao Si process regression model for predicting the level of moving liquid surface. The kernel function is constructed by combining polynomial function, linear function and radial basis function. Artificial fish swarm algorithm is used to optimize the parameters of kernel function model. The fast Fourier transform (FFT) and kernel principal component analysis (KPCA) fusion are used to extract the nonlinear features of time-frequency data as the input of the model. The prediction accuracy and generalization ability of the model are improved.
【作者單位】： 東北大學信息科學與工程學院;渤海大學工學院;
【基金】：國家自然科學基金資助項目(61573088,61433004,61403040)
【分類號】：TE33;TP18
【正文快照】： 游梁式抽油機井有桿泵采油是國內(nèi)外油田普遍使用的機械采油方式[1-5].抽油井動液面(dynamic fluid level,DFL)是指油井正常生產(chǎn)時,油、套管環(huán)型空間內(nèi)的液面,它受油層壓力和采油速率的約束,是反映油層供液能力和井下供排關系的重要工況參數(shù).文獻[6-8]采用高斯過程回歸(Gaussia

【相似文獻】

相關期刊論文 前3條

1 ;土壤水份監(jiān)測創(chuàng)新技術(shù):探地雷達(GPR)[J];中外葡萄與葡萄酒;2003年06期

2 董偉偉;胡昭;賴金星;;樁底溶洞的GPR探測及處治方案[J];勘察科學技術(shù);2014年03期

3 ;[J];;年期

相關會議論文 前3條

1 黃玲;曾昭發(fā);劉四新;王者江;;鋼筋混凝土缺陷的探地雷達(GPR)檢測研究[A];中國地球物理第二十一屆年會論文集[C];2005年

2 郭秀軍;王仙麗;姚佩佩;;三種液態(tài)污染物污染土GPR探測效果分析[A];第十二次全國巖石力學與工程學術(shù)大會會議論文摘要集[C];2012年

3 殷勇;朱大奎;王穎;葛晨東;I.Peter Martini;;海南島東部博鰲地區(qū)沙壩-瀉湖沉積體系演化及探地雷達(GPR)的應用[A];2001年全國沉積學大會摘要論文集[C];2001年

相關博士學位論文 前1條

1 鄧洪超;積雪路面GPR探測信號處理與雪鏟自動控制研究[D];吉林大學;2007年

相關碩士學位論文 前2條

1 華學翰;GPR與監(jiān)控量測技術(shù)在隧道災害預警中的應用研究[D];江西理工大學;2012年

2 肖虎;淺層埋藏地雷GPR目標回波信號處理研究[D];中國海洋大學;2013年

，

本文編號：1404935