System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及机器学习和油气田开发,尤其涉及一种油井增产措施自动推荐方法及系统。
技术介绍
1、在高含水开发阶段,油井产量逐渐减少。为了维持稳定生产,常常需要采用一系列的增产措施,如压裂、酸化、补孔改层等。
2、然而,目前这些措施的选择主要依赖于简单的回归统计模型、繁琐的人工推荐,或者是基于知识图谱的方法,这些方法在效率和准确性方面都存在限制。现有的模式匹配算法也面临着复杂的影响因素和关系,难以理清问题。如在进行数据驱动和模型选择时,选择适当的数据驱动方法和建模技术也是一个挑战。不同的方法和模型适用于不同的问题,选择错误的方法可能导致不准确的结果。因此亟需一种能够充分挖掘海量的措施井监测数据,准确地实现增产措施自动推荐的方法。
技术实现思路
1、鉴于上述现有存在的问题,提出了本专利技术。因此,本专利技术提供了一种油井增产措施自动推荐方法及系统解决在目前传统方法在效率和准确性方面不高;面临着复杂的影响因素和关系,难以理清问题;以及无法充分挖掘数据实现自动推荐的问题。
2、为解决上述技术问题,本专利技术提供如下技术方案:
3、第一方面,本专利技术提供了一种油井增产措施自动推荐方法,包括:
4、获取油井增产措施样本数据,将所述样本数据中的文字数据通过one-hot编码方式进行数字化转化;
5、对所述样本数据进行措施敏感因素分析,以获取主要敏感因素;
6、将所述主要敏感因素作为推荐依据,并分析历史相似井所采取的措施及措
7、基于协同过滤的措施推荐方法的实现措施推荐。
8、作为本专利技术所述的油井增产措施自动推荐方法的一种优选方案,其中:所述获取油井增产措施样本数据,包括,
9、油藏地质参数、措施地质参数、措施技术参数和措施效果指标。
10、作为本专利技术所述的油井增产措施自动推荐方法的一种优选方案,其中:对所述样本数据进行措施敏感因素分析,以获取主要敏感因素,包括,
11、对所述样本数据进行可视化绘制,获取各因素之间的线性趋势;
12、通过相关性系数量化两个变量之间的线性关系程度;
13、当所述相关性系数值在-0.5至0.5之间时,确定该因素为主要敏感因素。
14、作为本专利技术所述的油井增产措施自动推荐方法的一种优选方案,其中:所述匹配阶段包括,
15、使用欧式距离计算待措施油井与历史措施油井在各类油井增产措施样本数据的相似度,并按照相似度大小排序,实现相似油井的匹配。
16、作为本专利技术所述的油井增产措施自动推荐方法的一种优选方案,其中:所述排序阶段包括,
17、通过等权重法对措施效果指标进行权重系数制定,赋予各指标相同的权重,表示为,
18、综合措施效果=a*a1+a*a2+a*a3
19、其中,a为权重;a1为第一措施效果;a2为第二措施效果;a3为第三措施效果。
20、作为本专利技术所述的油井增产措施自动推荐方法的一种优选方案,其中:所述排序阶段还包括,
21、计算出综合措施效果后进行优劣排序,并对于排序靠前若干口井进行数量统计,综合考虑这若干口井的排序与数量获取措施评分,表示为,
22、措施评分=权重*序号+权重*数量
23、假设措施a序号为1,则在公式进行运算时序号值为n,序号为2时,则在公式进行运算时序号值为n-1,序号值以此类推;
24、对措施评分进行排序获取最佳的相似井用于措施的选定。
25、作为本专利技术所述的油井增产措施自动推荐方法的一种优选方案,其中:所述基于协同过滤的措施推荐方法的实现措施推荐,包括,
26、依据获取的主要敏感因素,并使用多特征匹配算法选取历史样本库中的措施效果佳的前若干口井,将排序在前列的历史措施确定为待措施井的推荐措施。
27、第二方面,本专利技术提供了一种油井增产措施自动推荐的系统,包括,获取模块,用于获取油井增产措施样本数据,将所述样本数据中的文字数据通过one-hot编码方式进行数字化转化;
28、因素分析模块,用于对所述样本数据进行措施敏感因素分析,以获取主要敏感因素;
29、措施分析模块,用于将所述主要敏感因素作为推荐依据,并分析历史相似井所采取的措施及措施效果,推送相应的优选措施,所述分析包括匹配阶段和排序阶段;
30、推荐模块,用于基于协同过滤的措施推荐方法的实现措施推荐。
31、第三方面,本专利技术提供了一种计算设备,包括:
32、存储器和处理器;
33、所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现所述油井增产措施自动推荐方法的步骤。
34、第四方面,本专利技术提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述油井增产措施自动推荐方法的步骤。
35、与现有技术相比,本专利技术的有益效果:本专利技术方案通过充分挖掘海量的措施井监测数据,结合机器学习算法,针对常见的压裂、酸化、补孔改层措施,能够更准确、更高效地选出最佳的增产方案。
本文档来自技高网...【技术保护点】
1.一种油井增产措施自动推荐方法,其特征在于,包括:
2.如权利要求1所述的油井增产措施自动推荐方法,其特征在于,所述获取油井增产措施样本数据,包括,
3.如权利要求1或2所述的油井增产措施自动推荐方法,其特征在于,对所述样本数据进行措施敏感因素分析,以获取主要敏感因素,包括,
4.如权利要求3所述的油井增产措施自动推荐方法,其特征在于,所述匹配阶段包括,
5.如权利要求4所述的油井增产措施自动推荐方法,其特征在于,所述排序阶段包括,
6.如权利要求5所述的油井增产措施自动推荐方法,其特征在于,所述排序阶段还包括,
7.如权利要求1或6所述的油井增产措施自动推荐方法,其特征在于,所述基于协同过滤的措施推荐方法的实现措施推荐,包括,
8.一种油井增产措施自动推荐的系统,其特征在于,包括,
9.一种电子设备,包括:
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述油井增产措施自动推荐方法的步骤。
【技术特征摘要】
1.一种油井增产措施自动推荐方法,其特征在于,包括:
2.如权利要求1所述的油井增产措施自动推荐方法,其特征在于,所述获取油井增产措施样本数据,包括,
3.如权利要求1或2所述的油井增产措施自动推荐方法,其特征在于,对所述样本数据进行措施敏感因素分析,以获取主要敏感因素,包括,
4.如权利要求3所述的油井增产措施自动推荐方法,其特征在于,所述匹配阶段包括,
5.如权利要求4所述的油井增产措施自动推荐方法,其特征在于,所述排序阶段包括,
【专利技术属性】
技术研发人员:何岩峰,赵悦,王相,郭致杰,许诗林,
申请(专利权)人:常州大学,
类型:发明
国别省市:
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。