用于动液面软测量的经验模态分解和高斯过程回归建模方法.pdf

用于动液面软测量的经验模态分解和高斯过程回归建模方法.pdf

ID:52372845

大小:3.35 MB

页数:1页

时间:2020-03-27

用于动液面软测量的经验模态分解和高斯过程回归建模方法.pdf_第1页
资源描述:

《用于动液面软测量的经验模态分解和高斯过程回归建模方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、技术管理用于动液面软测量的经验模态分解和高斯过程回归建模方法冯中申(辽河油田兴隆台采油厂,辽宁盘锦124010)摘要:动液面的软测量预测模型一直存在着预测精度不EMD算法对辅助变量去噪处理的有效性,对经过去噪处理的辅高、泛化能力差的缺点,针对上述问题本文提出基于经验模态助变量数据和未经过处理的辅助变量数据分别进行软测量建分解和高斯过程回归相结合的算法对动液面进行预测,以提高模,对比分析实验结果。建模方法采用高斯过程回归,模型对模型的预测精度,满足实际的生产要求。应的协方差函数如式(1)所示,对于模型中的超参数关键词:动液面;经验模态分解;高斯过程回归θ=[w1,w2,⋯wm,v1,v0],w1

2、~wm的初值均设置为1,v1和v0分别取动液面参数是油田生产指导的重要依据,传统的人工测量2和0.01,假设认为每个辅助变量对主导变量的贡献是相同的,容易受到各种因素的影响,存在着实时性差、误差大的缺陷,而利用极大似然法对输入的超参数最优值进行寻优。仿真的结现有的动液面软测量模型又达不到较高的预测精度。本文提果图如下:[1]出基于经验模态分解和高斯过程回归相结合的算法对动液面进行预测,以此改善模型的预测性能,提高预测精度。1辅助变量选取软测量建模过程中,对于主导变量而言,辅助变量的选取是否合理直接关系到建模质量,影响模型的预测性能。在实际生产中,相关的可测变量有很多,如何选取辅助变量变得尤为重

3、要。根据相关机理分析与先验知识得出:Ld=F(Pt,Qr,η)+Δv(1)其中,Ld为动液面深度;Pt是井口套压;Qr代表日产液量;泵效η;Δv为建模的动态项。所以,辅助变量选取为泵效、套压和日产液量。2建模样本数据处理在油田的现场开采过程中,由于其复杂的生产环境影响,使得辅助变量的数据监测传感器在采集数据时难免受到噪声干扰。噪声对于建模数据的影响直接关系到建模质量,所以本文提出采用经验模态分解(EMD)的方法对数据进行去噪处图1不同方法的仿真结果图理。经验模态分解过程如下:计算图中两种方法对应预测结果的均方根误差(RMSE)和n平均绝对误差(MAE)。辅助变量经过EMD处理的建模方法对x(t

4、)=∑cj(t)+rn(t)(2)j=1应的误差值分别为16.569、28.653;辅助变量未经过EMD处理其中,x(t)为待分解信号;c1(t),c2(t),...,cn(t)为一系列的本征的建模方法对应的误差值分别为21.843、35.964。通过误差对模态函数(IMF),频率由低到高排列;r(t)为残差信号。由于先比分析可知,辅助变量经过EMD处理后的预测结果误差明显小分解出来的IMF高频数据为噪声信号或者异常数据,所以,删于辅助变量未经过去噪处理的预测结果误差,由此可说明EMD除高频的IMF成分并将其他段的IMF数据进行重新整合作为辅算法对于辅助变量去噪处理的有效性,可以提高模型的预测

5、助变量数据。精度。3高斯过程回归5结语高斯过程回归[2]是一种热门的机器学习方法,相对于神经本文针对油田生产数据采集过程中存在的噪声干扰,以及网络、支持向量机在处理高维数据和非线性复杂问题的应用上软测量建模方法的选取对模型预测性能的影响问题进行了研有明显的适用性;建模的参数比较少并且有优化简单的优势,究。提出经验模态分解(EMD)的方法对辅助变量数据进行去所以本文选取高斯过程回归进行软测量建模。选用径向基函噪处理,以及更适用于复杂的非线性问题和高维数据的高斯过数作为模型的协方差函数,使用极大似然法对超参数程回归进行软测量建模,对动液面结果进行预测。通过对实际θ=[w1,w2,⋯wm,v1,v0

6、]进行调整。选用的径向基函数如下:生产数据进行仿真分析,证明了本方法的有效性,确实能够有m效提升模型的预测精度。é12ùC(xi,xj)=v1expê-2∑wd(xdi-xdj)ú+δijv0(3)参考文献:ëd=1û式中,v0是噪声方差(服从高斯分布);wd是模型的测度参[1]JHuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-sta⁃数;v1是局部相关性程度;δij为算子Kronecker算子。tionarytimeseriesanalysis[J].

7、Proc.Rsoc.Lond.,1998,454:56-784实验验证[2]WangHuazhong(王华忠).Gaussianprocessanditsappli⁃以某油田J18-32油井的实际产生数据作为实验数据对本cationtosoft-sensormodeling[J].JournalofChemicalIndustry文提出的方法进行验证分析。对同一口井采集350组数据,200andE

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。