油井產(chǎn)量預(yù)測是油田企業(yè)細(xì)化生產(chǎn)目標(biāo)和生產(chǎn)決策的重要手段之一。油井工作參數(shù)蘊(yùn)藏著各個(gè)參數(shù)指標(biāo)之間的相關(guān)關(guān)系和產(chǎn)量規(guī)律,若是能有效挖掘出這些規(guī)律并加以利用,便可以在預(yù)測產(chǎn)量和合理控制生產(chǎn)這兩方面,給油田企業(yè)的生產(chǎn)管理人員提供決策參考。針對油井日產(chǎn)量預(yù)測問題,本文主要利用了機(jī)器學(xué)習(xí)中的預(yù)測技術(shù)去解決問題。首先,運(yùn)用多種方法對油井?dāng)?shù)據(jù)進(jìn)行特征選擇處理,在此基礎(chǔ)上,分別構(gòu)建多元線性回歸、決策樹和K近鄰等單學(xué)習(xí)器模型,以及梯度提升樹、隨機(jī)森林和極端隨機(jī)樹等集成學(xué)習(xí)器模型;然后,在訓(xùn)練模型過程中運(yùn)用交叉驗(yàn)證技術(shù),得到上述每組模型的評(píng)價(jià)指標(biāo)值。并基于模型得分和均方誤差值,對比分析集成學(xué)習(xí)器相對單學(xué)習(xí)器的預(yù)測和性能優(yōu)勢;接下來,依據(jù)模型的預(yù)測精度和穩(wěn)定性來選擇適合油井日產(chǎn)量數(shù)據(jù)集的預(yù)測模型,利用最優(yōu)模型計(jì)算特征重要度,得出對4個(gè)產(chǎn)量因變量產(chǎn)生關(guān)鍵影響的特征;最后,對預(yù)測結(jié)果進(jìn)行分析并提出相關(guān)的改進(jìn)措施。實(shí)驗(yàn)結(jié)果表明,通過對各個(gè)模型的變量特征重要性進(jìn)行排序,得到影響產(chǎn)量的主要工作參數(shù)有:油壓、油壓下限、油嘴、泵徑、含水和沖次等。單學(xué)習(xí)器對于油井產(chǎn)量預(yù)測有一定的可行性,但集成學(xué)習(xí)模型的各類度量指標(biāo)均優(yōu)于決策...

【文章頁數(shù)】：49 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 選題背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 油井產(chǎn)量預(yù)測
        1.3.2 集成學(xué)習(xí)
    1.4 本文主要工作
    1.5 本文組織框架
2 機(jī)器學(xué)習(xí)算法介紹
    2.1 集成學(xué)習(xí)概述
    2.2 單學(xué)習(xí)器介紹
        2.2.1 多元線性回歸
        2.2.2 決策樹
        2.2.3 K近鄰
    2.3 集成學(xué)習(xí)器介紹
        2.3.1 梯度提升樹
        2.3.2 隨機(jī)森林
        2.3.3 極端隨機(jī)樹
    2.4 本章小結(jié)
3 數(shù)據(jù)處理及特征選取
    3.1 數(shù)據(jù)獲取
    3.2 數(shù)據(jù)預(yù)處理
    3.3 描述性統(tǒng)計(jì)分析
    3.4 特征選擇
        3.4.1 皮爾森相關(guān)系數(shù)
        3.4.2 逐步回歸篩選變量
        3.4.3 隨機(jī)森林計(jì)算特征重要度
    3.5 本章小結(jié)
4 實(shí)驗(yàn)方案及結(jié)果分析
    4.1 交叉驗(yàn)證建模
    4.2 特征選擇與簡單學(xué)習(xí)器結(jié)合
    4.3 特征選擇與集成學(xué)習(xí)結(jié)合
    4.4 極端隨機(jī)樹回歸調(diào)參及重要特征
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄
    A 學(xué)位論文數(shù)據(jù)集
致謝



本文編號(hào)：3843272