基于机器学习的石油峰值模型研究及应用

《基于机器学习的石油峰值模型研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、围书分类号：ＴＰ３１０６１５学校代码：Ａ東袜乂砸±導化諭文Ｍａ＇ｓｔｅｒｓＴｈｅｓｉｓ论文题目基于机器学习的石油峰值模型研究及应用王婷婷研究生姓名导师姓名学科专业计篇化科学与技术硏究方向计算机应用二０—六年六月西南石油大学研究生学位论文知识产权声明书及学位论文版权１吏用授权书目本人完全了解学校有关保护知识产权的规定：，Ｐ研巧生在校攻读学位期间论文工作的知识产权单位属于西南石油大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电子

2、版。本人允许论文被查阅和借阅。学校可将本学Ｌ，ｉ位论文的全部或部分内容编入有关数据库巧行检索可：、采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时，本人保证，毕业后结合学位论文研％一律注明作者单位为西南石油大学课题再撰写的文章。本学位论文属于．１、保密（），在年解密后适用本授权书。２ｖ、不保密（ｙ）＂＂（请在Ｗ上相应括号内打Ｖ）学位论文作者签名：指导教师寇名；《淪谷月曰。如／＾年３／年（月曰（１３西南石油大学研究生学位论文独创性声明本人声明：所呈交

3、的研究生学位论文是本人在导师指导下进行的研巧工作及取得的研巧成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，本论文不包含其他人已经发表或撰写过的研巧成果，也不包含其他人为获得西南石油大学一或其它教育机构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：王每特年月曰（摘要石油资源不仅影响一个国家的经济发展＾，更是个国家不可或缺的战略资源。预测，能够为石油战略决策提供极有价值的预警信息石油储产量峰

4、值及其出现时间。开展机器学习理论方法在石油峰值预测中的应用研究．，可Ｗ更好地增强模型描述能力并提升预测的合理性。本文介绍了相关的石油峰值模型和机器学习方法。首先研究和实践了基于模型删除数据的异常点检测及其处理方法，进而依据检测后的数据基于逐步向前回归的思想建立了适用于中国石油产量预测的Ｈｕｂｂｅｒｔ模型；然后在大量国内外石油峰值预测模型调研的，结合不同的机器学习算法，基础上，研究了多种石油峰值预测的建模方法尤其提出了可描述多循环产量趋势特征的多峰预测模型。本文的主要研究内容如下

5、：（１）设计了基于模型删除数据的异常点检测算法，并利用该算法对中国石油产量数据序列进行了异常点检测。（２）利用逐步回归建立符合中国石油产量趋势的Ｈｕｂｂｅｒｔ模型。按容忍处理和修正处理的两种异常点处理情况，基于逐步回归得到不同ＵＲＲ（最终可采储量）值，从中选取几个较有代表性的ＵＲＲ值进行模型的建立和预测对比，得到异常点修正后ＵＲＲ为１３２２Ｈｕｂｂｒｔ模．７亿吨时建立的ｅ型更适用于中国石油产量预测的结论。（３）提出了基于单峰模型的分段预测模型、基于分段线性拟合的多峰预测模型、

6、基于多项式拟合的多峰预测模型、基于动态规划的多峰预测模型４种多峰预测模型的建模方法，并提出了基于波谷识别、基于多项式拟合和基于动态规划策略３种自动检测峰期和数据分段的方法，利用国内某油田某开发区产量数据对四种多峰预测模型进。最后行了实例研究，不同模型，发现在方法复杂程度、峰期分段识别、趋势特征适应等方面有各自不同的优势和不足：单纯的多项式曲线拟合对未来数据的预测偏离实际，对于石油产量这样数据波动较大且数据量不多的数据集适用性较差；基于动态规划的多峰预测模型对于模型的求解建立方法

7、最简单，但是其峰期识别方法不如基于波谷特征识别峰期的方法精确；基于单峰预测模型的分段预测模型比较适用于整体増长趋势比较平稳的多峰产量数据；基于分段线性拟合的多峰Ｈｕｂｂｅｒ预测模型比较适合整体呈现上升趋势的多峰产量数据。关键词：机器学习线性回归异常点检测石油峰值模型Ａｂｓｔｒａｃｔ，＇ＣＨＩｒｅｓｏｕｒｃｅｓｄｏｎｔｏｎｌａｆｆｅｃｔａｃｏｕｎｔｒｓｅｃｏｎｏｍｉｃｄｅｖｅｌｏｍｅｎｔａｎｄｉｔｉｓｔｈｅｙｙｐ，ｉｎｄｉｓｅｎｓａｂｌｅｓｔｒａｔｅｉｃ

8、ｒｅｓｏｕｒｃｅｏｆａｃｏｕ打ｔｒ．Ｐｅａｋｏｉｌｒｅｄｉｃｔｉｏｎａｎｄｔｈｅｒｅｄｉｃｔｉｏｎｏｆｔｉｍｅｐ呂ｙｐｐ，ｃａｎｒｏｖｉｄｅｖａｌｕａｂｌｅｓｔｒａｔｅｉｃｄｅｃｉｓｉｏｎｆｏｒｏｉｌｅａｒｌｗａｒｎｉｎｉｎｆｏｒｍａｔｉｏｎ．Ｔｏｃａｒｒｏｕｔｔｈｅｐｇｙｇｙｔｈｅｏｒｏｆｍａｃｈｉｎｅｌｅａｒｎｉｎｍｅｔｈｏｄｓｉｎｔｈｅｒｅｓｅａｒｃｈ