一种基于BP神经网络的抽油机井检泵周期预测方法技术

本发明专利技术设计一种基于BP神经网络算法的抽油机井检泵周期预测方法，属于油井检测技术领域。该方法包括获取有关生产数据集；对数据预处理；特征工程；根据BP神经网络算法建立模型，并寻找出最优精度模型来进行预测；最终通过模型预测检泵周期。本发明专利技术由于采取以上技术方案，可以在仅分析已有数据的前提下，预测出未来的检泵周期。本发明专利技术借助BP神经网络可以更好的发现数据之间隐藏的关系，相对其他算法可以更准确的预测检泵周期，给抽油机井的施工提供更好的决策服务。更好的决策服务。

【技术实现步骤摘要】
一种基于BP神经网络的抽油机井检泵周期预测方法


[0001]本专利技术涉及一种抽油机井检泵周期预测方法，特别涉及一种基于BP神经网络的抽油机井检泵周期预测方法，属于油井检测


技术介绍

[0002]在采油生产工艺中，检泵周期的确定对合理规划生产制度是非常重要的。然而在实际生产中，通常采用定期检泵的生产制度，但这会消耗大量的人力物力，甚至会因检泵不及时造成额外经济损失，进而降低油田整体收益。本方法提出从历史数据的角度出发，运用BP神经网络算法，从历史数据中抓取生产状态数据和检泵周期的规律，进而通过实时生产状态数据预测油井的检泵周期，减少不合理检泵周期带来的损失，提高整体收益。同时本方法加强特征工程理论的运用，筛选了关联性弱的特征，加快了算法运行速度。最终可以通过BP神经网络算法找出其他特征与检泵周期之间的关系，进而运用算法结合新的生产状态数据预测出检泵周期，这可以为制定生产制度提供参考，并且基于历史数据的模型可以较好的预测检泵周期，进而减少不合理检泵周期带来的损失，相对于定期检泵可以减少社会资源投入，对提高油田开发效益将有显著的影响。...

【技术保护点】

【技术特征摘要】
1.基于BP神经网络算法的抽油机井检泵周期预测方法，其包括以下几个步骤：(1)采集抽油机井的日生产数据作为样本数据集；(2)整理初步数据集，添加新特征参数命名为“检泵周期”；(3)对数据进行预处理；(4)运用灰度关联算法进行数据特征参数筛选；(5)用BP神经网络算法建模，并优化模型参数；(6)构建基于BP神经网络算法的检泵周期预测模型；(7)结合检泵周期预测模型和新采集数据得到检泵周期预测值。2.如权利要求1中所述的基于BP神经网络算法的抽油机井检泵周期预测方法，其特征在于，所述步骤)(1)所获取的日生产数据特征参数包括套压、油压、含水率、上行电流、下行电流、最大载荷、最小载荷、额定扭矩、冲次、冲程、泵径、排量、日产液量、日产油量、日生产时间。并将所获取的数据按井进行分类，分别作为不同油井检泵周期模型的训练集。3.如权利要求1中所述的基于BP神经网络算法的抽油机井检泵周期预测方法，其特征在于，所述步骤(2)，基于步骤(1)获取的生产数据集，添加新的特征参数，命名为“检泵周期”。并统计生产数据中每条数据距离下一次检泵周期的天数，作为对应“检泵周期”特征参数的值。4.如权利要求1中所述的基于BP神经网络算法的抽油机井检泵周期预测方法，其特征在于，所述步骤(3)，基于步骤(2)添加完“检泵周期”特征参数的数据，进...

【专利技术属性】
技术研发人员：张晓东，陈元行，白广芝，李敏，高绍姝，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：