目前,我國(guó)大部分油田已處于開發(fā)的中、后期。隨著開發(fā)的進(jìn)行,油田出現(xiàn)了一系列問題:油井采出程度較高、長(zhǎng)期處于高含水與特高含水階段、開發(fā)難度大;各個(gè)采油廠原油成本快速上升、成本分布不均;資金投入、周轉(zhuǎn)困難等。這些問題導(dǎo)致石油產(chǎn)量逐步下降、效益降低。在此背景下,石油企業(yè)如何依據(jù)現(xiàn)有的資源和技術(shù)運(yùn)用機(jī)器學(xué)習(xí)方法,提高油田產(chǎn)量預(yù)測(cè)水平,合理的構(gòu)建油田配產(chǎn)多目標(biāo)優(yōu)化模型,實(shí)現(xiàn)對(duì)油田產(chǎn)量和資金投入量的科學(xué)規(guī)劃,提高石油企業(yè)決策水平,這將是各大油田公司可持續(xù)發(fā)展的戰(zhàn)略目標(biāo)。(1)針對(duì)傳統(tǒng)預(yù)測(cè)模型預(yù)測(cè)精度不高,影響因素考慮不全面的問題,本文提出了基于ARIMA-LightGBM-LSTM模型融合的預(yù)測(cè)方法。首先,使用ARIMA模型對(duì)產(chǎn)量列做單變量預(yù)測(cè),將預(yù)測(cè)值作為新變量同特征選擇得到的特征一起放入LightGBM模型中進(jìn)行不同屬性的挖掘,并將預(yù)測(cè)值合并到第二次特征選擇得到的多變量序列中,然后將得到的多變量序列利用LSTM模型進(jìn)行預(yù)測(cè)。通過對(duì)3種模型預(yù)測(cè)結(jié)果加權(quán)組合,并多次實(shí)驗(yàn)得出最佳權(quán)值來計(jì)算最終的預(yù)測(cè)值。仿真數(shù)據(jù)結(jié)果表明,基于ARIMA-LightGBM-LSTM加權(quán)組合的多變量預(yù)測(cè)方法能夠比單一的預(yù)...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 油氣配產(chǎn)問題研究綜述
        1.2.2 油田區(qū)塊產(chǎn)量預(yù)測(cè)研究現(xiàn)狀
        1.2.3 油氣配產(chǎn)問題研究現(xiàn)狀
    1.3 論文的主要工作和組織結(jié)構(gòu)
第2章 理論概述
    2.1 油氣配產(chǎn)基本理論
        2.1.1 油氣配產(chǎn)的研究對(duì)象
        2.1.2 油氣配產(chǎn)的類型
    2.2 ARIMA算法基本理論
    2.3 LightGBM算法基本理論
    2.4 LSTM算法基本理論
    2.5 差分進(jìn)化算法基本理論
        2.5.1 多目標(biāo)優(yōu)化相關(guān)概念
        2.5.2 MOEA/D進(jìn)化算法描述
    2.6 Q學(xué)習(xí)算法的基本知識(shí)
        2.6.1 多步Q學(xué)習(xí)算法
        2.6.2 Q矩陣記憶算法
    2.7 模型評(píng)價(jià)指標(biāo)
    2.8 本章小結(jié)
第3章 數(shù)據(jù)概述及特征選擇
    3.1 數(shù)據(jù)選取
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 缺失值填充
        3.2.2 異常值處理
        3.2.3 特征標(biāo)準(zhǔn)化
    3.3 特征選擇方法
        3.3.1 隨機(jī)森林特征選擇
        3.3.2 皮爾遜相關(guān)性系數(shù)
    3.4 本章小結(jié)
第4章 油田產(chǎn)量預(yù)測(cè)模型的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 融合模型設(shè)計(jì)
    4.2 基于ARIMA的區(qū)塊產(chǎn)量預(yù)測(cè)
        4.2.1 模型構(gòu)建
        4.2.2 模型評(píng)估
    4.3 基于LightGBM算法的區(qū)塊產(chǎn)量預(yù)測(cè)
        4.3.1 模型構(gòu)建
        4.3.2 模型評(píng)估
    4.4 基于LSTM算法的區(qū)塊產(chǎn)量預(yù)測(cè)
        4.4.1 模型構(gòu)建
        4.4.2 模型評(píng)估
    4.5 基于多模型融合的區(qū)塊產(chǎn)量預(yù)測(cè)
    4.6 模型效果比對(duì)分析
    4.7 本章小結(jié)
第5章 油田配產(chǎn)模型的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 油氣配產(chǎn)的基本程序
    5.2 油氣配產(chǎn)模型的建立
    5.3 改進(jìn)的MOEA/D算法設(shè)計(jì)
        5.3.1 MOEA/D-Q算法簡(jiǎn)介
        5.3.2 多目標(biāo)及約束條件處理
        5.3.3 MOEA/D-Q算法的計(jì)算步驟
    5.4 實(shí)驗(yàn)設(shè)置與實(shí)驗(yàn)結(jié)果
        5.4.1 實(shí)驗(yàn)設(shè)置
        5.4.2 MOEA/D-Q算法和MOEA/D算法的計(jì)算結(jié)果比較
    5.5 配產(chǎn)模型的求解及分析
        5.5.1 配產(chǎn)模型的求解思路
        5.5.2 歷史數(shù)據(jù)的整理分析
        5.5.3 仿真實(shí)驗(yàn)及結(jié)果分析
    5.6 對(duì)油田公司配產(chǎn)工作的建議
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄 A 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3815960