基于主成分分析和最小二乘支持向量机的油田产量预测模型.docVIP

基于主成分分析和最小二乘支持向量机的油田产量预测模型 　　摘要：油田产量预测是油田开发生产中的重要工作，也是油田开发决策的基础。为了准确且快速地进行油田产量预测，本文首先采用主成分分析方法对预测模型的输入变量进行降维优化处理；其次，利用自适应粒子群算法对支持向量机的核参数[σ]和惩罚因子[C]进行优化；最后，建立基于最小二乘支持向量机预测模型。实验结果表明，该预测模型有效地去除了冗余信息，降低了输入变量的结构复杂度，提高了模型寻优的收敛速度且避免陷入局部最优，有效地提高了油田产量的预测效率和预测精度。 　　关键词：油田产量预测；主成分分析；最小二乘支持向量机；自适应粒子群优化 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）31-0144-04 　　The Oilfield Production Prediction Model Based on Principal Component Analysis and Least Squares Support Vector Machine 　　FENG Gui-yang，HAN Jia-xin 　　（School of Computer Science，Xi’an Shiyou University，Xi’an 710065，China） 　　Abstract： The oilfield production prediction is an important work in oilfield development and production， is the basis of oilfield development decisions. In order to accurately and quickly predict oilfield production， firstly this paper uses principal component analysis method to reduce the dimensionality for the input variables of forecast model； Secondly， it optimizes the nuclear parameters and the penalty factor of support vector machine by using adaptive particle swarm optimization algorithm； Finally， the forecasting model based on least squares support vector machine is built. The experimental results show that the prediction model can effectively remove the redundant information and reduce the structure complexity of input variables， and improve the convergence speed of model optimization and avoid falling into local optimum， effectively improve the efficiency and the prediction accuracy of oilfield production forecast. 　　Key words： oilfield production prediction； PCA； LS-SVM； APSO 　　油田产量的预测是调整油田开发决策的重要依据，提高预测方法的有效性和准确性在油田开发中具有十分重要的作用。常用的预测方法有灰色预测法、回归分析预测法及神经网络算法等，但这些方法在小样本的情况下或多或少存在着一些缺陷。支持向量机可以有效地解决小样本预测问题，最小二乘支持向量机是对支持向量机的改进，其优化指标采用平方项，把向量机的不等式约束替换为等式约束，将QP问题转化为求解线性方程组，降低了计算的复杂性，提高了求解速度。 　　油田产量受许多因素影响，如剩余地质储量、油压、液压、注水量和油井开井数量等。如果预测模型的输入变量过多，则会加重训练负担和影响学习速度；如果采用主观筛选则很有可能导致重要影响因素的丢失，继而降低预测的精确度，因而如何合理选择预测模型的输入变量决定着预测效果。主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法，该方法将原变量重新组合成一组新的互相无关的几个综合变量，同