A dynamic integrated modeling method based on the prediction of oil well dynamic liquid level, which belongs to the technical field of information; including: obtaining samples and sorted by weight; the sample for model training, re training on error exceeds the threshold of the sub model, calculation model of weight does not exceed the threshold; sub model weighted output error calculation using integrated model; integrated model survey data is more than threshold, is to form a new training set, the model error is greater than the threshold of re training for the new model, otherwise, keep the atomic model as a new model, the new model for the weighted output of new integrated model; real-time acquisition of auxiliary variable input integrated model integrated oil well dynamic liquid level prediction; the invention adopts iterative integrated modeling, has higher prediction accuracy than the single model, sub model weighted output to reduce individual The generalization of the model is strong, and the weight of the sample in the weak learning model can improve the adaptability of the new model to the sample.
【技术实现步骤摘要】
一种基于动态集成建模的油井动液面预测方法
本专利技术属于信息
,具体涉及一种基于动态集成建模的油井动液面预测方法。
技术介绍
在油田的实际生产过程中,为了实现最大的产液量,抽油机需要根据油井不断变化的参数来调整其抽油频率,使其达到合理的工作状态。油井的动液面是生产过程中油井油套管环形空间的液面深度,是油田的重要生产指导数据之一,是反映抽油机工作状态的一个重要参考指标。只有及时掌握动液面的数据信息才能使抽油机运行在合理的运行方式。目前,大多数油井动液面的测量依然采用的还是传统的人工测量方法,例如回声测量、压力测量法和浮筒法等,传统的人工测量存在着误差大,效率低、实时性差等缺点,不能满足现在的生产要求。近年来,随着软测量方法在各个行业的广泛应用,人们对此提出了单一模型的智能算法软测量方法,然而这种方法在实际应用中存在泛化能力差、容易出现过拟合和精度不高等不足,并且实际的生产过程中,随着生产的动态运行模型的预测精度会下降,需要对模型进行更新,提高模型的动态性能。传统的更新方法就是通过增加训练样本数据来更新模型,这样会使得模型性能随着训练的进行逐渐变差,不能满足生产需求。
技术实现思路
针对上述现有技术存在的不足,本专利技术提供一种基于动态集成建模的油井动液面预测方法。本专利技术的技术方案:一种基于动态集成建模的油井动液面预测方法,包括如下步骤:步骤1:获取油井生产过程中动液面数据及动液面数据对应的辅助变量构成历史数据即样本,并将样本分为训练样本和测试样本,并分别构成训练集和测试集;步骤2:设置弱学习机个数、误差超限率指标阈值和样本预测误差阈值;步骤3:计算样本 ...
【技术保护点】
一种基于动态集成建模的油井动液面预测方法,其特征在于,包括如下步骤:步骤1:获取油井生产过程中历史数据即样本,并将样本分为训练样本和测试样本,分别构成训练集和测试集;所述历史数据包括动液面数据及其对应的辅助变量;步骤2:设置弱学习机个数和误差超限率指标阈值;步骤3:对训练样本进行模型训练,得到子模型;步骤4:利用样本计算子模型的误差超限率指标是否超过阈值,是,舍弃该子模型,执行步骤3,否则,输出该子模型;步骤5:判断子模型的个数是否达到弱学习机个数,是,将所有子模型输出为集成模型,否则,执行步骤3;步骤6:定期对动液面进行巡测,利用采集的巡测数据计算集成模型的误差超限率指标是否超过阈值,是,执行步骤7,否则,执行步骤12;步骤7:构建新的训练集;步骤8:利用新训练集中训练样本计算原子模型的误差超限率指标是否超过阈值,是,执行步骤9,否则,保留该原子模型作为新的子模型,执行步骤11;步骤9:将新训练集中训练样本进行模型训练,得到新的子模型;步骤10:计算训练得到的新的子模型的误差超限率是否超过阈值,是,舍弃该新的子模型,执行步骤9,否则,执行步骤11;步骤11:判断是否有未更新的子模型, ...
【技术特征摘要】
1.一种基于动态集成建模的油井动液面预测方法,其特征在于,包括如下步骤:步骤1:获取油井生产过程中历史数据即样本,并将样本分为训练样本和测试样本,分别构成训练集和测试集;所述历史数据包括动液面数据及其对应的辅助变量;步骤2:设置弱学习机个数和误差超限率指标阈值;步骤3:对训练样本进行模型训练,得到子模型;步骤4:利用样本计算子模型的误差超限率指标是否超过阈值,是,舍弃该子模型,执行步骤3,否则,输出该子模型;步骤5:判断子模型的个数是否达到弱学习机个数,是,将所有子模型输出为集成模型,否则,执行步骤3;步骤6:定期对动液面进行巡测,利用采集的巡测数据计算集成模型的误差超限率指标是否超过阈值,是,执行步骤7,否则,执行步骤12;步骤7:构建新的训练集;步骤8:利用新训练集中训练样本计算原子模型的误差超限率指标是否超过阈值,是,执行步骤9,否则,保留该原子模型作为新的子模型,执行步骤11;步骤9:将新训练集中训练样本进行模型训练,得到新的子模型;步骤10:计算训练得到的新的子模型的误差超限率是否超过阈值,是,舍弃该新的子模型,执行步骤9,否则,执行步骤11;步骤11:判断是否有未更新的子模型,是,执行步骤8,否则,将全部新的子模型输出得到新的集成模型;步骤12:油井工作过程中,实时采集辅助变量,输入集成模型进行油井动液面预测。2.根据权利要求1所述的基于动态集成建模的油井动液面预测方法,其特征在于,所述辅助变量包括油压、泵效和流量。3.根据权利要求1所述的基于动态集成建模的油井动液面预测方法,其特征在于,所述步骤3中训练样本和步骤8中新训练集中训练样本均为根据样本权重排序后的训练样本,所述样本权重根据该样本通过子模型进行动液面预测的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。