一种基于集成树的智能气井异常检测方法及系统技术方案

本发明专利技术公开了一种基于集成树的智能气井异常检测方法及系统，气井数据是一种随时间不断变化的序列数据，仅仅使用当前时刻数据无法捕捉历史数据对当前决策的影响，也就无法通过上下文的信息判断当前异常。因此，在设计异常检测模型判之前，有必要将时间序列形式的采气数据转换为有效气井数据。但是，维数的增加容易产生维度灾难，大量冗余的信息使得模型训练收敛困难，训练速度降低。本发明专利技术采用最大信息系数过滤相关性较高的特征使得维数下降，使得保留的特征最大化保持相互独立。且最大信息系数相比于Pearson相关系数，能克服最大线性局限性，可以找到更多相关类型的特征。再对气井生产数据进行训练，得到异常检测模型，实现气井异常检测。

【技术实现步骤摘要】

本专利技术属于天然气生产，涉及一种基于集成树的智能气井异常检测方法及系统。

技术介绍

1、排水采气工作量呈逐年递增趋势，平均每位技术人员全年需消耗9.3天进行参数调整，普遍存在气井动态分析强度大、异常气井判别及自动化措施调参不及时、措施制度调整效率低等问题，影响气田措施有效率。因此有必须要结合气井开发指标及生产参数，开展气井生产动态的智能分析及异常判识研究，建立有效的气井动态分析大数据算法，降低人员管理工作量。

技术实现思路

1、本专利技术的目的在于解决现有技术中气井管理工作量大，气井异常判识不及时、措施制度调整有效率低的问题，提供一种基于集成树的智能气井异常检测方法及系统。

2、为达到上述目的，本专利技术采用以下技术方案予以实现：

3、本专利技术提出的一种基于集成树的智能气井异常检测方法，包括如下步骤：

4、对时间序列形式的采气数据进行转换，获取有效气井数据；

5、采用最大信息系数对有效气井数据进行特征提取，获取特征向量；

6、对特征向量进行处理，本文档来自技高网...

【技术保护点】

1.一种基于集成树的智能气井异常检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于集成树的智能气井异常检测方法，其特征在于，对时间序列形式的采气数据进行转换前，先进行数据缺失值处理。

3.根据权利要求1所述的基于集成树的智能气井异常检测方法，其特征在于，利用集成树算法对特征向量进行训练，得到异常检测模型。

4.根据权利要求3所述的基于集成树的智能气井异常检测方法，其特征在于，集成树算法的学习目标函数如下：

5.根据权利要求4所述的基于集成树的智能气井异常检测方法，其特征在于，集成树算法的学习目标函数的损失函数如下：

<...

【技术特征摘要】

1.一种基于集成树的智能气井异常检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于集成树的智能气井异常检测方法，其特征在于，对时间序列形式的采气数据进行转换前，先进行数据缺失值处理。

3.根据权利要求1所述的基于集成树的智能气井异常检测方法，其特征在于，利用集成树算法对特征向量进行训练，得到异常检测模型。

4.根据权利要求3所述的基于集成树的智能气井异常检测方法，其特征在于，集成树算法的学习目标函数如下：

5.根据权利要求4所述的基于集成树的智能气井异常检测方法，其特征在于，集成树算法的学习目标函数的损失函数如下：

6.根据权利要求4所述的基于集成树的智能气...

【专利技术属性】
技术研发人员：罗长斌，华忠志，刘洋，刘丽萍，陈虎，温欣，郝冠中，赵钦阳，岳世超，高伟，宁梅，吕玉海，张腾，尚用兰，陈奕阳，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：