發(fā)布時間：2017-07-28 12:02

  本文關鍵詞：基于機器學習的石油峰值模型研究及應用

  更多相關文章： 機器學習 線性回歸 異常點檢測 石油峰值模型

【摘要】：石油資源不僅影響一個國家的經(jīng)濟發(fā)展,更是一個國家不可或缺的戰(zhàn)略資源。預測石油儲產量峰值及其出現(xiàn)時間,能夠為石油戰(zhàn)略決策提供極有價值的預警信息。開展機器學習理論方法在石油峰值預測中的應用研究,可以更好地增強模型描述能力并提升預.測的合理性。本文介紹了相關的石油峰值模型和機器學習方法。首先研究和實踐了基于模型刪除數(shù)據(jù)的異常點檢測及其處理方法,進而依據(jù)檢測后的數(shù)據(jù)基于逐步向前回歸的思想建立了適用于中國石油產量預測的Hubbert模型；然后在大量國內外石油峰值預測模型調研的基礎上,結合不同的機器學習算法,研究了多種石油峰值預測的建模方法,尤其提出了可描述多循環(huán)產量趨勢特征的多峰預測模型。本文的主要研究內容如下：(1)設計了基于模型刪除數(shù)據(jù)的異常點檢測算法,并利用該算法對中國石油產量數(shù)據(jù)序列進行了異常點檢測。(2)利用逐步回歸建立符合中國石油產量趨勢的Hubbert模型。按容忍處理和修正處理的兩種異常點處理情況,基于逐步回歸得到不同URR(最終可采儲量)值,從中選取幾個較有代表性的URR值進行模型的建立和預測對比,得到異常點修正后URR為132.72億噸時建立的Hubbert模型更適用于中國石油產量預測的結論。(3)提出了基于單峰模型的分段預測模型、基于分段線性擬合的多峰預測模型、基于多項式擬合的多峰預測模型、基于動態(tài)規(guī)劃的多峰預測模型4種多峰預測模型的建模方法,并提出了基于波谷識別、基于多項式擬合和基于動態(tài)規(guī)劃策略3種自動檢測峰期和數(shù)據(jù)分段的方法。最后,利用國內某油田某開發(fā)區(qū)產量數(shù)據(jù)對四種多峰預測模型進行了實例研究,發(fā)現(xiàn)在方法復雜程度、峰期分段識別、趨勢特征適應等方面,不同模型有各自不同的優(yōu)勢和不足：單純的多項式曲線擬合對未來數(shù)據(jù)的預測偏離實際,對于石油產量這樣數(shù)據(jù)波動較大且數(shù)據(jù)量不多的數(shù)據(jù)集適用性較差；基于動態(tài)規(guī)劃的多峰預測模型對于模型的求解建立方法最簡單,但是其峰期識別方法不如基于波谷特征識別峰期的方法精確；基于單峰預測模型的分段預測模型比較適用于整體增長趨勢比較平穩(wěn)的多峰產量數(shù)據(jù)；基于分段線性擬合的多峰Hubber預測模型比較適合整體呈現(xiàn)上升趨勢的多峰產量數(shù)據(jù)。
【關鍵詞】：機器學習 線性回歸 異常點檢測 石油峰值模型
【學位授予單位】：西南石油大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TE155;TP181
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-12
• 1.1 研究背景及意義8
• 1.2 國內外研究現(xiàn)狀8-10
• 1.2.1 國外研究現(xiàn)狀8-9
• 1.2.2 國內研究現(xiàn)狀9-10
• 1.2.3 存在的問題10
• 1.3 論文主要研究內容10-11
• 1.4 論文的組織結構11-12
• 第2章 相關理論及算法12-26
• 2.1 石油峰值模型概述12-16
• 2.1.1 HUBBERT模型12-13
• 2.1.2 廣義翁氏模型13
• 2.1.3 HCZ模型13-15
• 2.1.4 模型求解15-16
• 2.1.5 峰值模型與機器學習16
• 2.2 機器學習概述16-20
• 2.2.1 學習任務17
• 2.2.2 學習流程17-18
• 2.2.3 學習類型18-20
• 2.2.4 學習方法20
• 2.2.5 應用領域20
• 2.3 有監(jiān)督的回歸學習方法20-24
• 2.3.1 線性回歸21-23
• 2.3.2 梯度下降法23-24
• 2.3.3 最小二乘法24
• 2.4 異常點檢測及處理24-25
• 2.4.1 異常點的檢測24-25
• 2.4.2 異常點的處理25
• 2.5 交叉驗證25
• 2.6 本章小結25-26
• 第3章 異常點檢測26-34
• 3.1 基于模型刪除數(shù)據(jù)的異常點檢測26
• 3.2 異常點檢測算法設計26-29
• 3.2.1 線性回歸26-28
• 3.2.2 異常點檢測算法28-29
• 3.3 異常點檢測算法驗證29-31
• 3.4 異常點檢測算法應用31-34
• 第4章 基于機器學習的石油峰值預測模型34-60
• 4.1 基于逐步回歸求解HUBBERT模型34-39
• 4.1.1 確定最終可采儲量34-38
• 4.1.2 建立HUBBERT模型38-39
• 4.2 基于單峰模型的分段預測模型39-43
• 4.2.1 識別波谷特征的峰期檢測40-42
• 4.2.2 基于波谷識別的建模方法42-43
• 4.3 基于分段線性擬合的多峰預測模型43-45
• 4.3.1 多峰HUBBERT模型43-44
• 4.3.2 多峰HUBBERT模型的分段擬合及建立44-45
• 4.4 基于多項式擬合的多峰預測模型45-46
• 4.4.1 多項式擬合模型45
• 4.4.2 多峰預測模型的多項式擬合求解45-46
• 4.5 基于動態(tài)規(guī)劃的多峰預測模型建立46-50
• 4.5.1 最優(yōu)分段最小二乘47
• 4.5.2 動態(tài)規(guī)劃求解算法47-49
• 4.5.3 多峰預測模型建立49-50
• 4.6 基于機器學習的多峰預測模型應用50-57
• 4.6.1 基于單峰模型的分段預測模型應用50-52
• 4.6.2 基于分段線性回歸的多峰預測模型應用52-53
• 4.6.3 基于多項式擬合的多峰預測模型應用53-55
• 4.6.4 基于動態(tài)規(guī)劃的多峰預測模型的應用55-57
• 4.7 模型的對比分析57-58
• 4.8 本章小結58-60
• 第5章 總結及展望60-61
• 5.1 總結60
• 5.2 展望60-61
• 致謝61-62
• 參考文獻62-66
• 攻讀碩士學位期間發(fā)表的論文66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張艷麗;唐旭;馮連勇;;有關國家已開始重視石油峰值[J];中國石油和化工;2007年09期

2 李君臣;唐旭;龐雄奇;;研究石油峰值有益中國經(jīng)濟與社會發(fā)展[J];中國石油和化工;2007年09期

3 錢伯章;;我國將在2015年迎來石油峰值產量[J];天然氣與石油;2008年02期

4 ;石油峰值是不可逆轉的客觀規(guī)律[J];西安石油大學學報(自然科學版);2008年05期

5 王琳琳;;當石油峰值來臨——訪中國石油峰值研究小組秘書長馮連勇教授[J];中國石油石化;2009年15期

6 馮連勇;趙林;趙慶飛;王志明;;石油峰值理論及世界石油峰值預測[J];石油學報;2006年05期

7 張抗;;從石油峰值的方法論剖析石油枯竭說[J];中外能源;2008年05期

8 王月;馮連勇;;對石油峰值的幾點認識[J];天然氣技術;2009年01期

9 王月;曹湘洪;馮連勇;;我國經(jīng)濟和社會發(fā)展中必須重視石油峰值問題[J];中國能源;2009年04期

10 褚林濤;;中國石油應對世界石油峰值策略研究[J];北京石油管理干部學院學報;2010年04期

中國重要報紙全文數(shù)據(jù)庫 前10條

1 孫東輝邋王栗濤;石油峰值何時來臨？[N];中國經(jīng)濟時報;2007年

2 記者 曾旺;石油峰值：跳不出的“生命旋回”[N];中國石油報;2007年

3 中國石油大學能源專家 郭慶方;石油峰值正解[N];中國石油報;2009年

4 本報記者 陳曉晨;軍提“石油峰值”傳遞何信息？[N];第一財經(jīng)日報;2010年

5 本報記者 熊倩;石油峰值，，應對行動是關鍵[N];中國石油報;2010年

6 中海油政策研究高級主管 胡森林;“石油峰值”的魅影[N];中國能源報;2010年

7 本報記者 張舒雅　采訪整理;“石油峰值”離我們有多遠[N];中國石油報;2012年

8 本報記者 陳丹江;中外專家激辯中國石油峰值[N];中國化工報;2012年

9 林夕;石油峰值論不能貿然拋棄[N];中國化工報;2013年

10 廈門大學中國能源經(jīng)濟研究中心主任 林伯強;石油峰值的壞消息和好消息[N];21世紀經(jīng)濟報道;2007年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 黎斌林;全球石油峰值預測及中國應對策略研究[D];中國地質大學（北京）;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 王婷婷;基于機器學習的石油峰值模型研究及應用[D];西南石油大學;2016年

本文編號：583917