單井生產(chǎn)與操作成本數(shù)據(jù)是衡量油田生產(chǎn)效益的決定性因素,準(zhǔn)確的分析預(yù)測可以輔助管理者調(diào)整油田單井的開發(fā)方案,提高油田企業(yè)動態(tài)運轉(zhuǎn)的經(jīng)濟(jì)性和安全性。目前,油田企業(yè)在生產(chǎn)過程中存在諸多問題,例如數(shù)據(jù)集中管理難度大、影響因素復(fù)雜繁多、數(shù)據(jù)利用率低等,預(yù)測模型和方法的選擇對預(yù)測結(jié)果的可信度有很大的影響。隨著技術(shù)的創(chuàng)新和算法的深入研究,神經(jīng)網(wǎng)絡(luò)以及智能算法的結(jié)合在實際應(yīng)用中取得了很好效果,其高效的自學(xué)習(xí)和尋優(yōu)能力促使其成為了重要的研究方向。本課題基于神經(jīng)網(wǎng)絡(luò),結(jié)合智能算法分別對單井生產(chǎn)和操作成本的數(shù)據(jù)進(jìn)行了分析預(yù)測,具有一定的實際意義和研究價值。本文主要完成了以下工作:（1）對構(gòu)成單井生產(chǎn)與操作成本的主要影響因素進(jìn)行了分析。收集整理了影響單井產(chǎn)量和操作成本的眾多因素,并對其進(jìn)行指標(biāo)量化,結(jié)合實際生產(chǎn)情況采用數(shù)據(jù)分析方法從而確定了單井生產(chǎn)與操作成本的主要構(gòu)成因素。（2）建立了 PCA-GRU網(wǎng)絡(luò)的單井產(chǎn)量預(yù)測模型。根據(jù)影響因素的數(shù)據(jù)維數(shù)大、特征之間的隱藏相關(guān)性及時間序列等特征,通過PCA降維,進(jìn)一步優(yōu)化并提升GRU網(wǎng)絡(luò)預(yù)測準(zhǔn)確度,實現(xiàn)了基于PCA-GRU單井產(chǎn)量預(yù)測的實際應(yīng)用。（3）建立了 PSO-... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單井生產(chǎn)與操作成本數(shù)據(jù)分析方法研究現(xiàn)狀
        1.2.2 神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 論文研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 基于PCA-GRU的單井產(chǎn)量預(yù)測方法研究
    2.1 影響單井產(chǎn)量因素分析
        2.1.1 生產(chǎn)類指標(biāo)對單井產(chǎn)量的影響
        2.1.2 經(jīng)濟(jì)驅(qū)動類指標(biāo)對單井產(chǎn)量的影響
    2.2 基礎(chǔ)分析方法和網(wǎng)絡(luò)模型
        2.2.1 PCA算法
        2.2.2 LSTM網(wǎng)絡(luò)模型
        2.2.3 GRU網(wǎng)絡(luò)模型
    2.3 PCA-GRU優(yōu)化網(wǎng)絡(luò)模型的建立
    2.4 PCA-GRU在單井產(chǎn)量的預(yù)測實例
        2.4.1 實驗環(huán)境和數(shù)據(jù)說明
        2.4.2 實驗數(shù)據(jù)處理
        2.4.3 網(wǎng)絡(luò)參數(shù)選取
        2.4.4 實驗結(jié)果與分析
    2.5 本章小結(jié)
第三章 基于PSO-RBF的單井操作成本預(yù)測方法研究
    3.1 影響單井操作成本因素分析
        3.1.1 顯性影響因素分析
        3.1.2 隱性影響因素分析
    3.2 RBF神經(jīng)網(wǎng)絡(luò)模型分析
        3.2.1 RBF基本思想
        3.2.2 網(wǎng)絡(luò)中心選取方法
        3.2.3 網(wǎng)絡(luò)傳遞參數(shù)形式
        3.2.4 網(wǎng)絡(luò)學(xué)習(xí)算法需要的參數(shù)
    3.3 改進(jìn)的PSO算法
    3.4 PSO-RBF優(yōu)化網(wǎng)絡(luò)模型的建立
    3.5 PSO-RBF優(yōu)化網(wǎng)絡(luò)模型在單井操作成本的預(yù)測實例
        3.5.1 實驗環(huán)境和數(shù)據(jù)說明
        3.5.2 實驗數(shù)據(jù)處理
        3.5.3 網(wǎng)絡(luò)參數(shù)選取
        3.5.4 實驗結(jié)果分析
    3.6 本章小結(jié)
第四章 系統(tǒng)的需求分析
    4.1 需求獲取
    4.2 系統(tǒng)目標(biāo)
    4.3 系統(tǒng)功能分析
    4.4 本章小結(jié)
第五章 系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 系統(tǒng)架構(gòu)設(shè)計
    5.2 系統(tǒng)流程設(shè)計
    5.3 數(shù)據(jù)庫設(shè)計
        5.3.1 概念設(shè)計
        5.3.2 邏輯設(shè)計
        5.3.3 數(shù)據(jù)庫表設(shè)計
    5.4 系統(tǒng)開發(fā)環(huán)境
    5.5 系統(tǒng)模塊實現(xiàn)
        5.5.1 主界面實現(xiàn)
        5.5.2 用戶管理模塊
        5.5.3 單井基礎(chǔ)數(shù)據(jù)管理模塊
        5.5.4 單井產(chǎn)量預(yù)測模塊
        5.5.5 單井操作成本預(yù)測模塊
        5.5.6 單井效益分析報告模塊
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間參加科研情況及獲得的學(xué)術(shù)成果


【參考文獻(xiàn)】：
期刊論文
[1]基于門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的金融時間序列預(yù)測[J]. 張金磊,羅玉玲,付強(qiáng).  廣西師范大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[2]基于深度學(xué)習(xí)LSTM神經(jīng)網(wǎng)絡(luò)的全球股票指數(shù)預(yù)測研究[J]. 楊青,王晨蔚.  統(tǒng)計研究. 2019(03)
[3]分析數(shù)理統(tǒng)計方法在油田單井效益評價中的應(yīng)用[J]. 王春艷.  經(jīng)濟(jì)研究導(dǎo)刊. 2019(08)
[4]基于深度門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測模型[J]. 牛哲文,余澤遠(yuǎn),李波,唐文虎.  電力自動化設(shè)備. 2018(05)
[5]混合PSO優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)[J]. 唐賢倫,劉慶,張娜,周家林.  電子科技大學(xué)學(xué)報. 2018(02)
[6]粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的光伏陣列故障診斷[J]. 王福忠,裴玉龍.  河南理工大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[7]人工智能的發(fā)展及應(yīng)用現(xiàn)狀綜述[J]. 蘇若祺.  電子世界. 2018(03)
[8]變壓器絕緣故障類型的改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)識別算法[J]. 李浩,王福忠,王銳.  電源學(xué)報. 2018(05)
[9]逐個剔除法在單位操作成本預(yù)測中的應(yīng)用[J]. 李萍,張偉,王曉蕓,楊凱,王新穎.  化工管理. 2016(02)
[10]中國石油峰值預(yù)測及其應(yīng)對策略研究[J]. 王婷婷,黃誠,張琪琛.  中國礦業(yè). 2015(12)

博士論文
[1]基于灰色系統(tǒng)與核方法的油藏動態(tài)預(yù)測方法研究[D]. 馬新.西南石油大學(xué) 2016
[2]油田區(qū)塊監(jiān)測指標(biāo)與開發(fā)指標(biāo)預(yù)測建模及應(yīng)用研究[D]. 魯柳利.西南石油大學(xué) 2013

碩士論文
[1]面向短時交通流分析與預(yù)測的循環(huán)神經(jīng)網(wǎng)絡(luò)算法研究[D]. 趙慶.西安理工大學(xué) 2019
[2]基于深度學(xué)習(xí)的短時公交客流預(yù)測研究[D]. 李梅.北京交通大學(xué) 2019
[3]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
[4]基于GRU神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測研究[D]. 劉洋.成都理工大學(xué) 2017
[5]油田效益開發(fā)規(guī)劃方法和決策系統(tǒng)研究[D]. 趙嬌.西南石油大學(xué) 2016
[6]油田企業(yè)單井效益評價研究[D]. 劉萌萌.中國石油大學(xué)(華東) 2016
[7]XJ油田開發(fā)項目操作成本分析與應(yīng)用研究[D]. 賀芳.西南石油大學(xué) 2015
[8]基于人工神經(jīng)網(wǎng)絡(luò)的油田開發(fā)指標(biāo)預(yù)測模型及算法研究[D]. 楊婷婷.東北石油大學(xué) 2013
[9]油田區(qū)塊操作成本預(yù)測方法研究[D]. 陳明.中國石油大學(xué)（華東） 2013



本文編號：3731857