一種單油井產(chǎn)量的預(yù)測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及自動化技術(shù)領(lǐng)域，尤其涉及一種單油井產(chǎn)量的預(yù)測方法及裝置。
【背景技術(shù)】
[0002] 油田產(chǎn)量預(yù)測是科學(xué)管理油田和制定經(jīng)濟(jì)計劃的依據(jù)，它決定了油田生產(chǎn)投資的 規(guī)模和決策方向。人們希望早日知道單油井產(chǎn)量變化，進(jìn)而計算油田的經(jīng)濟(jì)極限產(chǎn)量，適時 做出油田補(bǔ)充開發(fā)決策，使綜合效益最大化。單油井產(chǎn)量預(yù)測是一個復(fù)雜的多變量非線性 動力學(xué)系統(tǒng)，所以現(xiàn)有技術(shù)中一般利用BP神經(jīng)網(wǎng)絡(luò)模型對單油井產(chǎn)量進(jìn)行預(yù)測，但基于BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測方法需要選擇網(wǎng)絡(luò)參數(shù)多，訓(xùn)練速度慢，容易陷入局部最優(yōu)解。
[0003] 所以現(xiàn)在需要一種新的方法來預(yù)測單油井產(chǎn)量，以便達(dá)到使用參數(shù)少，訓(xùn)練速度 快，而且預(yù)測誤差小的目的。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供了一種單油井產(chǎn)量的預(yù)測方法及裝置，本發(fā)明能夠達(dá)到使用參數(shù)少， 訓(xùn)練速度快，而且預(yù)測誤差小的目的。
[0005] 一種單油井產(chǎn)量的預(yù)測方法，包括：
[0006] 獲取與所述多個主要因素對應(yīng)的單油井?dāng)?shù)據(jù)，所述多個主要因素為預(yù)先在影響單 油井產(chǎn)量的眾多因素中利用灰色關(guān)聯(lián)度分析法，確定的主要影響單油井產(chǎn)量的因素；
[0007] 將所述單油井?dāng)?shù)據(jù)進(jìn)行無量綱化處理獲得無量綱單油井?dāng)?shù)據(jù)；
[0008] 將所述無量綱單油井?dāng)?shù)據(jù)輸入至廣義神經(jīng)網(wǎng)絡(luò)模型GRNN，經(jīng)所述GRNN運(yùn)算后輸 出與單油井?dāng)?shù)據(jù)對應(yīng)的單油井產(chǎn)量，所述GRNN為依據(jù)至少一組訓(xùn)練樣本數(shù)據(jù)經(jīng)交叉驗證 方法訓(xùn)練影響因子的、以所述多個主要因素對應(yīng)的原始數(shù)據(jù)為輸入并以單油井產(chǎn)量為輸出 的模型。
[0009] 優(yōu)選的，在影響單油井產(chǎn)量的眾多因素中利用灰色關(guān)聯(lián)度分析法，確定的主要影 響單油井產(chǎn)量的因素包括：
[0010] 將影響單油井產(chǎn)量的眾多因素分別在多個時刻的數(shù)據(jù)作為比較序列，將單油井在 所述多個時刻的產(chǎn)量作為參考序列；
[0011] 對所述參考序列和比較序列進(jìn)行無量綱化處理；
[0012] 計算參考序列中每個因素在所述多個時刻內(nèi)與所述比較序列的關(guān)聯(lián)度；
[0013] 將所述眾多因素的關(guān)聯(lián)度依次排序，在關(guān)聯(lián)度中由高至低選取多個因素作為影響 單油井產(chǎn)量的主要因素。
[0014] 優(yōu)選的，所述計算參考序列中每個因素在所述多個時刻內(nèi)與所述比較序列的關(guān)聯(lián) 度包括：
[0015] 計算所述參考序列與所述比較序列在各個時刻的關(guān)聯(lián)度系數(shù)；
[0016] 將參考序列中每個因素在多個時刻的關(guān)聯(lián)度系數(shù)求平均值，將均值作為該因素在 所述多個時刻內(nèi)與所述比較序列的關(guān)聯(lián)度。
[0017] 優(yōu)選的，進(jìn)行無量綱化處理的方式包括：
[0018] 均值化變化、初值化變換或標(biāo)準(zhǔn)化變換。
[0019] 優(yōu)選的，所述GRNN的構(gòu)建過程包括：
[0020] 將經(jīng)過無量綱化處理后的多個主要因素對應(yīng)數(shù)據(jù)作為所述GRNN的輸入特征向 量，對應(yīng)的單油井產(chǎn)量作為輸出特征向量；
[0021] 確定所述GRNN的初始影響因子，并確定影響因子的范圍以及步長；
[0022] 在影響因子的范圍內(nèi)，利用交叉驗證法訓(xùn)練所述GRNN的影響因子，直到所述GRNN 的輸出與所述輸出特征向量的誤差在允許范圍內(nèi)，所述GRNN訓(xùn)練完成。
[0023] 一種單油井產(chǎn)量的預(yù)測裝置，包括：
[0024] 獲取單元，用于獲取與所述多個主要因素對應(yīng)的單油井?dāng)?shù)據(jù)，所述多個主要因素 為預(yù)先在影響單油井產(chǎn)量的眾多因素中利用灰色關(guān)聯(lián)度分析法，確定的主要影響單油井產(chǎn) 量的因素；
[0025] 處理單元，用于將所述單油井?dāng)?shù)據(jù)進(jìn)行無量綱化處理獲得無量綱單油井?dāng)?shù)據(jù)；
[0026] 預(yù)測單元，用于將所述無量綱單油井?dāng)?shù)據(jù)輸入至廣義回歸神經(jīng)網(wǎng)絡(luò)模型GRNN，經(jīng) 所述GRNN運(yùn)算后輸出與單油井?dāng)?shù)據(jù)對應(yīng)的單油井產(chǎn)量，所述GRNN為依據(jù)至少一組訓(xùn)練樣 本數(shù)據(jù)經(jīng)交叉驗證方法訓(xùn)練影響因子的、以所述多個主要因素對應(yīng)的原始數(shù)據(jù)為輸入并以 單油井產(chǎn)量為輸出的模型。
[0027] 優(yōu)選的，還包括：
[0028] 確定主要因素單元，用于將影響單油井產(chǎn)量的眾多因素分別在多個時刻的數(shù)據(jù)作 為比較序列，將單油井在所述多個時刻的產(chǎn)量作為參考序列；對所述參考序列和比較序列 進(jìn)行無量綱化處理；計算參考序列中每個因素在所述多個時刻內(nèi)與所述比較序列的關(guān)聯(lián) 度；將所述眾多因素的關(guān)聯(lián)度依次排序，在關(guān)聯(lián)度中由高至低選取多個因素作為影響單油 井產(chǎn)量的主要因素。
[0029] 優(yōu)選的，還包括：
[0030] 構(gòu)建模型單元，用于將經(jīng)過無量綱化處理后的多個主要因素對應(yīng)數(shù)據(jù)作為所述 GRNN的輸入特征向量，對應(yīng)的單油井產(chǎn)量作為輸出特征向量；確定所述GRNN的初始影響 因子，并確定影響因子的范圍以及步長；在影響因子的范圍內(nèi)，利用交叉驗證法訓(xùn)練所述 GRNN的影響因子，直到所述GRNN的輸出與所述輸出特征向量的誤差在允許范圍內(nèi)，所述神 經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。
[0031] 優(yōu)選的，其特征在于，
[0032] 所述眾多因素包括：油壓、含水率、累積產(chǎn)油量、累積產(chǎn)氣量和月產(chǎn)水量；
[0033] 所述多個主要因素包括：油壓、含水率、累積產(chǎn)油量和累積產(chǎn)氣量。
[0034] 優(yōu)選的，所述初始影響因子為0. 1，的范圍為0. 1-2,步長0. 1。
[0035] 本發(fā)明提供了一種單油井產(chǎn)量的預(yù)測方法及裝置，本發(fā)明在眾多影響單油井產(chǎn)量 的因素中篩選出影響油井產(chǎn)量的主要元素，忽略一些次要元素，從而降低了輸入特征向量 的維度，加快了運(yùn)行速度。并且本發(fā)明采用GRNN作為預(yù)測模型，由于GRNN網(wǎng)絡(luò)結(jié)構(gòu)較為簡 單，不需要對模型的隱含層數(shù)量進(jìn)行估算和猜測，且GRNN是從徑向基函數(shù)引申而來的，因 此只有一個影響因子，即徑向基函數(shù)的平滑參數(shù)，影響因子的優(yōu)化值可以通過交叉驗證方 法獲得，簡單方便，并且GRNN結(jié)果的具有全局收斂性，從而能夠達(dá)到全局最優(yōu)解，使預(yù)測誤 差較小。
【附圖說明】
[0036] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0037] 圖1為本發(fā)明實施例公開的一種單油井產(chǎn)量的預(yù)測方法的流程圖；
[0038] 圖2為本發(fā)明實施例公開的又一種單油井產(chǎn)量的預(yù)測方法的流程圖；
[0039] 圖3為本發(fā)明實施例公開的又一種單油井產(chǎn)量的預(yù)測方法的流程圖；
[0040] 圖4為本發(fā)明實施例公開的一種單油井產(chǎn)量的預(yù)測方法的結(jié)果示意圖；
[0041] 圖5為本發(fā)明實施例公開的又一種單油井產(chǎn)量的預(yù)測方法的結(jié)果示意圖；
[0042] 圖6為本發(fā)明實施例公開的一種單油井產(chǎn)量的預(yù)測裝置的結(jié)構(gòu)圖；
[0043] 圖7為本發(fā)明實施例公開的又一種單油井產(chǎn)量的預(yù)測裝置的結(jié)構(gòu)圖。
【具體實施方式】
[0044] GRNN，Generalized regression neural network，廣義回歸神經(jīng)網(wǎng)絡(luò)模型。
[0045] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護(hù)的范圍。
[0046] 如圖1所示，本發(fā)明提供了一種單油井產(chǎn)量的預(yù)測方法，包括：
[0047] 步驟SlOl :獲取與所述多個主要因素對應(yīng)的單油井?dāng)?shù)據(jù)，所述多個主要因素為預(yù) 先在影響單油井產(chǎn)量的眾多因素中利用灰色關(guān)聯(lián)度分析法，確定的主要影響單油井產(chǎn)量的 因素；
[0048] 在實際使用過程中發(fā)現(xiàn)，單油井產(chǎn)量受到眾多因素的干擾，例如：油壓、含水率、累 積產(chǎn)油量、累積產(chǎn)氣量或月產(chǎn)水量，在眾多因素中有一些因素對單油井產(chǎn)量的影響較大，有 一些因素對單油井產(chǎn)量的影響較小，為了降低預(yù)測模型的運(yùn)算復(fù)雜度，在預(yù)測單油井產(chǎn)量 時，僅考慮對單油井產(chǎn)量影響較大的因素，忽略對單油井產(chǎn)量影響較小的因素。
[0049] 預(yù)測模型的輸入特征向量為影響單油井產(chǎn)量的因素，由于輸入至預(yù)測模型因素減 少，所以能夠降低預(yù)測模型的輸入特征向量的維度，從而加快了預(yù)測模型的運(yùn)行速度。
[0050] 步驟S102 :將所述單油井?dāng)?shù)據(jù)進(jìn)行無量綱化處理獲得無量綱單油井?dāng)?shù)據(jù)；
[0051] 影響單油井產(chǎn)量的主要因素有多個，例如：油壓、累積產(chǎn)油量或累積產(chǎn)氣量，由于 各個因素的物理意義不同，導(dǎo)致不同因素對應(yīng)數(shù)據(jù)的量綱也不同，在后續(xù)處理時難以得到 正確的結(jié)論，所以在進(jìn)行后續(xù)處理之前，首先