基于色谱指纹的合采井分层产能贡献计算研究【资料学习】.docVIP

四川大学 硕 士 学 位 论 文 题 目 基于色谱指纹的合采井分层产能贡献计算研究 作 者 何友松 完成日期 2011年5月 培 养 单 位 四川大学 指 导 教 师 罗代升 专 业 电路与系统 研 究 方 向 智能系统与设计 授予学位日期 2011 年 月 日 基于色谱指纹的合采井分层产能贡献计算研究 电路与系统 专业 研究生：何友松 指导教师：罗代升 摘要：在油田生产过程中，生产油井多为几个油层混合开采，为了有效的监控油田生产状况，需要对合采井各个产油层的产能贡献进行动态监控。原油色谱指纹技术作为一种经济、方便的产能监测技术，现已成功解决两层产能预测问题，但对三层及以上的预测问题仍待进一步研究。因而，如何利用色谱指纹技术建立有效的多层产能预测模型，是目前产能预测领域的研究重点。 本文通过对原油混合开采过程进行详细的研究，建立了原油开采产能预测的物理和数学模型。着重研究了两方面的内容：原油色谱指纹的提取方法以及回归预测模型的建立。 通过对色谱指纹特征提取方法进行研究，发现采用线性相关度和变量重要性理论进行特征提取具有较好的可行性，同时提出了结合变量重要性理论和线性相关性进行特征提取。针对原油产能预测问题的非线性性，研究利用几种回归预测方法来进行数学建模，包括偏最小二乘，神经网络，支持向量回归等。首次将非参数回归方法广义可加模型应用于原油产能预测领域，通过研究发现该回归方法比目前得到广泛应用的其他回归方法有更好的预测效果。同时，对集成学习方法进行了深入的研究，包括神经网络集成，广义可加模型集成，随机森林等，发现集成学习方法能有效提高回归预测效果。 通过对南海油田的三层合采井配比实验数据进行实验测试，实验结果表明，本文提出的特征提取方法及建立的回归预测模型能大幅度提高产能预测效果，具有很好的实用价值。 关键词：产能预测 色谱指纹 非参数回归 广义可加模型 变量重要性 The Analysis of Productivity Contribution Calculation in the Commingled Oil Wells Based on Chromatography Fingerprint Presented for MSc Degree Subject: Circuits and Systems 朗读 显示对应的拉丁字符的拼音 Postgraduate: Yousong He Supervisor: Professor Daisheng Luo Abstract In the course of oil exploitation, the oil from several different layers are always mixed. In order to monitor the production status of oil effectively, dynamic monitor on various oil layers is always needed. Crude oil chromatography fingerprint technology, which is an economic and convenient technology, has been successfully applied to the two-layer productivity forecast. However, the solution of muti-layer productivity forecast more than three layers still needs further research. Therefore how to use chromatography fingerprint technology to build mathematical model for multi-layer production forecast becomes a focus of current research. Through a detailed research of the crude oil mining process, a physical-mathematical model has been established. The two aspects: methods to select chromatography fingerprint and estab