本文關(guān)鍵詞：基于改進(jìn)黑洞算法的油田動液面軟測量方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：石油是不可再生的寶貴能源,是我國經(jīng)濟(jì)可持續(xù)發(fā)展的主要支柱。為了滿足我國石油需求,高效開采石油成為重要課題。在石油開采過程中,動液面是關(guān)鍵參數(shù),通過間接測量動液面有效調(diào)節(jié)采油工藝是提高石油開采效率的重要途徑。傳統(tǒng)的動液面測量方法有回聲法、浮筒法、壓力計探測法等,其中最常用的是回聲法。傳統(tǒng)的方法由于需要人工參與,動液面測量的精度、實時性、安全性無法得到保證。因此本文采用軟測量技術(shù),提高石油開采的自動化程度和測量精度。影響軟測量性能的因素有四個,其中建模是軟測量技術(shù)的核心,通過比較兩種成熟建模方法,選擇最小二乘支持向量機(jī)(LSSVM)建模法預(yù)測動液面。在建立預(yù)測模型之前,若存在大量的冗余輔助變量會降低動液面預(yù)測精度甚至使模型失效,因此采用灰度關(guān)聯(lián)法選出與動液面關(guān)聯(lián)度高的變量:日產(chǎn)液量、泵效、套壓作為輔助變量。分析輔助變量數(shù)據(jù)特征,采用經(jīng)驗?zāi)B(tài)分解的方法對數(shù)據(jù)進(jìn)行分解,去除高頻噪聲,建立LSSVM模型預(yù)測動液面,將去噪前后的輔助變量作為模型輸入預(yù)測動液面對比,驗證方法的有效性。LSSVM中核參數(shù)和懲罰參數(shù)的優(yōu)化對模型預(yù)測精度影響重大,本文選用黑洞算法進(jìn)行參數(shù)尋優(yōu)并在此基礎(chǔ)上進(jìn)行了改進(jìn),將改進(jìn)的黑洞算法與粒子群(PSO)、差分進(jìn)化(DE)、人工蜂群(ABC)、黑洞(BH)算法進(jìn)行比較,結(jié)果表明改進(jìn)黑洞算法優(yōu)勢明顯,與LSSVM結(jié)合預(yù)測動液面同樣有效。為了防止模型老化,本文采用聯(lián)合互信息的方法計算動液面預(yù)測值與輔助變量的關(guān)系,設(shè)定聯(lián)合互信息合理波動范圍,判斷是否需要更新模型,仿真驗證,該方法能夠準(zhǔn)確判斷工況變化更新模型,提高結(jié)果的可靠性。綜合考慮噪聲、參數(shù)、工況變化對動液面與預(yù)測模型的影響,建立一個完善的動液面預(yù)測系統(tǒng),通過仿真對比,結(jié)果表明本文研究方法提高了動液面預(yù)測精度,整體提升了石油開采的自動化水平和開采效率。
【關(guān)鍵詞】：軟測量 改進(jìn)黑洞算法 最小二乘支持向量機(jī) 聯(lián)合互信息
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TE938;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-20
• 1.1 課題研究背景及意義9-10
• 1.2 國內(nèi)外動液面測量發(fā)展現(xiàn)狀及應(yīng)用10-18
• 1.2.1 回聲測量法10-13
• 1.2.2 浮筒法13-14
• 1.2.3 壓力計探測法14-15
• 1.2.4 功圖法15-16
• 1.2.5 物質(zhì)平衡法16
• 1.2.6 管柱聲場模型法16-18
• 1.2.7 動液面的測量方法總結(jié)18
• 1.3 課題研究方向18
• 1.4 課題研究內(nèi)容及章節(jié)安排18-20
• 第2章 基于數(shù)據(jù)驅(qū)動的軟測量技術(shù)理論介紹20-27
• 2.1 軟測量技術(shù)概述20
• 2.2 軟測量基本原理20-21
• 2.3 影響軟測量性能的因素21-26
• 2.3.1 輔助變量選擇21-22
• 2.3.2 數(shù)據(jù)采集及預(yù)處理22-23
• 2.3.3 數(shù)據(jù)驅(qū)動軟測量建模23-24
• 2.3.4 軟測量模型的在線校正24-26
• 2.4 本章小結(jié)26-27
• 第3章 基于EMD的動液面預(yù)測建模27-42
• 3.1 動液面輔助變量選擇27-28
• 3.2 建立動液面預(yù)測模型28-31
• 3.3 基于EMD的LSSVM建模31-38
• 3.3.1 傳統(tǒng)數(shù)據(jù)預(yù)處理方法31-33
• 3.3.2 EMD分解算法的原理和步驟33-37
• 3.3.3 EMD與LSSVM結(jié)合實現(xiàn)步驟37-38
• 3.4 仿真實驗及結(jié)果分析38-40
• 3.5 本章小結(jié)40-42
• 第4章 改進(jìn)黑洞尋優(yōu)算法在動液面軟測量的應(yīng)用42-51
• 4.1 黑洞算法42-43
• 4.2 改進(jìn)的黑洞優(yōu)化算法43-46
• 4.2.1 歐氏距離原理43-44
• 4.2.2 改進(jìn)的黑洞算法原理44
• 4.2.3 改進(jìn)黑洞算法的實現(xiàn)過程44
• 4.2.4 與其他優(yōu)化算法對比仿真44-46
• 4.2.5 結(jié)論46
• 4.3 改進(jìn)黑洞尋優(yōu)算法的LSSVM動液面軟測量應(yīng)用46-50
• 4.4 本章小結(jié)50-51
• 第5章 基于聯(lián)合互信息的動態(tài)模型更新及應(yīng)用51-56
• 5.1 互信息51-53
• 5.1.1 互信息原理51-52
• 5.1.2 互信息的估計方法52-53
• 5.2 基于聯(lián)合互信息更新模型53
• 5.3 仿真實驗及結(jié)果分析53-55
• 5.4 本章小結(jié)55-56
• 第6章 結(jié)論56-58
• 參考文獻(xiàn)58-64
• 在學(xué)研究成果64-65
• 致謝65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 于霜;劉國海;梅從立;程錦翔;;生物發(fā)酵過程中VIP優(yōu)化神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的軟測量方法[J];南京理工大學(xué)學(xué)報;2015年04期

2 王超;王建輝;顧樹生;張宇獻(xiàn);;基于優(yōu)化支持向量機(jī)的帶鋼延伸量軟測量研究[J];東北大學(xué)學(xué)報(自然科學(xué)版);2015年08期

3 趙超;戴坤成;王貴評;張登峰;;基于AWLS-SVM的污水處理過程軟測量建模[J];儀器儀表學(xué)報;2015年08期

4 許玉格;劉莉;曹濤;;基于Fast-RVM的在線軟測量預(yù)測模型[J];化工學(xué)報;2015年11期

5 童楚東;史旭華;;基于互信息的PCA方法及其在過程監(jiān)測中的應(yīng)用[J];化工學(xué)報;2015年10期

6 周偉;賈威;郭小渝;李太福;易軍;;基于管柱聲場模型的油井動液面檢測新方法[J];西南石油大學(xué)學(xué)報(自然科學(xué)版);2015年04期

7 田慧欣;李坤;孟博;;一種用于軟測量建模的增量學(xué)習(xí)集成算法[J];控制與決策;2015年08期

8 夏添;沈一鷹;劉永坦;陳迪;;基于虛擬平面的米波組網(wǎng)雷達(dá)測高算法[J];電子與信息學(xué)報;2015年06期

9 李占培;劉廷章;張穎ZM;;基于頻域分解的房間冷負(fù)荷建模及軟測量技術(shù)[J];儀器儀表學(xué)報;2015年05期

10 李翔宇;高憲文;侯延彬;;基于在線動態(tài)高斯過程回歸抽油井動液面軟測量建模[J];化工學(xué)報;2015年06期

  本文關(guān)鍵詞：基于改進(jìn)黑洞算法的油田動液面軟測量方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：255978