基于神经网络的单井生产与操作成本数据分析方法研究
发布时间：2023-01-25 22:25
单井生产与操作成本数据是衡量油田生产效益的决定性因素,准确的分析预测可以辅助管理者调整油田单井的开发方案,提高油田企业动态运转的经济性和安全性。目前,油田企业在生产过程中存在诸多问题,例如数据集中管理难度大、影响因素复杂繁多、数据利用率低等,预测模型和方法的选择对预测结果的可信度有很大的影响。随着技术的创新和算法的深入研究,神经网络以及智能算法的结合在实际应用中取得了很好效果,其高效的自学习和寻优能力促使其成为了重要的研究方向。本课题基于神经网络,结合智能算法分别对单井生产和操作成本的数据进行了分析预测,具有一定的实际意义和研究价值。本文主要完成了以下工作:（1）对构成单井生产与操作成本的主要影响因素进行了分析。收集整理了影响单井产量和操作成本的众多因素,并对其进行指标量化,结合实际生产情况采用数据分析方法从而确定了单井生产与操作成本的主要构成因素。（2）建立了 PCA-GRU网络的单井产量预测模型。根据影响因素的数据维数大、特征之间的隐藏相关性及时间序列等特征,通过PCA降维,进一步优化并提升GRU网络预测准确度,实现了基于PCA-GRU单井产量预测的实际应用。（3）建立了 PSO-...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
中文摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 单井生产与操作成本数据分析方法研究现状
1.2.2 神经网络的研究现状
1.3 论文研究内容
1.4 论文组织结构
第二章 基于PCA-GRU的单井产量预测方法研究
2.1 影响单井产量因素分析
2.1.1 生产类指标对单井产量的影响
2.1.2 经济驱动类指标对单井产量的影响
2.2 基础分析方法和网络模型
2.2.1 PCA算法
2.2.2 LSTM网络模型
2.2.3 GRU网络模型
2.3 PCA-GRU优化网络模型的建立
2.4 PCA-GRU在单井产量的预测实例
2.4.1 实验环境和数据说明
2.4.2 实验数据处理
2.4.3 网络参数选取
2.4.4 实验结果与分析
2.5 本章小结
第三章 基于PSO-RBF的单井操作成本预测方法研究
3.1 影响单井操作成本因素分析
3.1.1 显性影响因素分析
3.1.2 隐性影响因素分析
3.2 RBF神经网络模型分析
3.2.1 RBF基本思想
3.2.2 网络中心选取方法
3.2.3 网络传递参数形式
3.2.4 网络学习算法需要的参数
3.3 改进的PSO算法
3.4 PSO-RBF优化网络模型的建立
3.5 PSO-RBF优化网络模型在单井操作成本的预测实例
3.5.1 实验环境和数据说明
3.5.2 实验数据处理
3.5.3 网络参数选取
3.5.4 实验结果分析
3.6 本章小结
第四章 系统的需求分析
4.1 需求获取
4.2 系统目标
4.3 系统功能分析
4.4 本章小结
第五章 系统的设计与实现
5.1 系统架构设计
5.2 系统流程设计
5.3 数据库设计
5.3.1 概念设计
5.3.2 逻辑设计
5.3.3 数据库表设计
5.4 系统开发环境
5.5 系统模块实现
5.5.1 主界面实现
5.5.2 用户管理模块
5.5.3 单井基础数据管理模块
5.5.4 单井产量预测模块
5.5.5 单井操作成本预测模块
5.5.6 单井效益分析报告模块
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间参加科研情况及获得的学术成果
【参考文献】：
期刊论文
[1]基于门控循环单元神经网络的金融时间序列预测[J]. 张金磊,罗玉玲,付强. 广西师范大学学报(自然科学版). 2019(02)
[2]基于深度学习LSTM神经网络的全球股票指数预测研究[J]. 杨青,王晨蔚. 统计研究. 2019(03)
[3]分析数理统计方法在油田单井效益评价中的应用[J]. 王春艳. 经济研究导刊. 2019(08)
[4]基于深度门控循环单元神经网络的短期风功率预测模型[J]. 牛哲文,余泽远,李波,唐文虎. 电力自动化设备. 2018(05)
[5]混合PSO优化卷积神经网络结构和参数[J]. 唐贤伦,刘庆,张娜,周家林. 电子科技大学学报. 2018(02)
[6]粒子群优化RBF神经网络的光伏阵列故障诊断[J]. 王福忠,裴玉龙. 河南理工大学学报(自然科学版). 2018(02)
[7]人工智能的发展及应用现状综述[J]. 苏若祺. 电子世界. 2018(03)
[8]变压器绝缘故障类型的改进型RBF神经网络识别算法[J]. 李浩,王福忠,王锐. 电源学报. 2018(05)
[9]逐个剔除法在单位操作成本预测中的应用[J]. 李萍,张伟,王晓芸,杨凯,王新颖. 化工管理. 2016(02)
[10]中国石油峰值预测及其应对策略研究[J]. 王婷婷,黄诚,张琪琛. 中国矿业. 2015(12)
博士论文
[1]基于灰色系统与核方法的油藏动态预测方法研究[D]. 马新.西南石油大学 2016
[2]油田区块监测指标与开发指标预测建模及应用研究[D]. 鲁柳利.西南石油大学 2013
硕士论文
[1]面向短时交通流分析与预测的循环神经网络算法研究[D]. 赵庆.西安理工大学 2019
[2]基于深度学习的短时公交客流预测研究[D]. 李梅.北京交通大学 2019
[3]基于时间序列分析方法的油田产量预测与应用[D]. 李达.兰州理工大学 2018
[4]基于GRU神经网络的时间序列预测研究[D]. 刘洋.成都理工大学 2017
[5]油田效益开发规划方法和决策系统研究[D]. 赵娇.西南石油大学 2016
[6]油田企业单井效益评价研究[D]. 刘萌萌.中国石油大学(华东) 2016
[7]XJ油田开发项目操作成本分析与应用研究[D]. 贺芳.西南石油大学 2015
[8]基于人工神经网络的油田开发指标预测模型及算法研究[D]. 杨婷婷.东北石油大学 2013
[9]油田区块操作成本预测方法研究[D]. 陈明.中国石油大学（华东） 2013
本文编号：3731857
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
中文摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 单井生产与操作成本数据分析方法研究现状
1.2.2 神经网络的研究现状
1.3 论文研究内容
1.4 论文组织结构
第二章 基于PCA-GRU的单井产量预测方法研究
2.1 影响单井产量因素分析
2.1.1 生产类指标对单井产量的影响
2.1.2 经济驱动类指标对单井产量的影响
2.2 基础分析方法和网络模型
2.2.1 PCA算法
2.2.2 LSTM网络模型
2.2.3 GRU网络模型
2.3 PCA-GRU优化网络模型的建立
2.4 PCA-GRU在单井产量的预测实例
2.4.1 实验环境和数据说明
2.4.2 实验数据处理
2.4.3 网络参数选取
2.4.4 实验结果与分析
2.5 本章小结
第三章 基于PSO-RBF的单井操作成本预测方法研究
3.1 影响单井操作成本因素分析
3.1.1 显性影响因素分析
3.1.2 隐性影响因素分析
3.2 RBF神经网络模型分析
3.2.1 RBF基本思想
3.2.2 网络中心选取方法
3.2.3 网络传递参数形式
3.2.4 网络学习算法需要的参数
3.3 改进的PSO算法
3.4 PSO-RBF优化网络模型的建立
3.5 PSO-RBF优化网络模型在单井操作成本的预测实例
3.5.1 实验环境和数据说明
3.5.2 实验数据处理
3.5.3 网络参数选取
3.5.4 实验结果分析
3.6 本章小结
第四章 系统的需求分析
4.1 需求获取
4.2 系统目标
4.3 系统功能分析
4.4 本章小结
第五章 系统的设计与实现
5.1 系统架构设计
5.2 系统流程设计
5.3 数据库设计
5.3.1 概念设计
5.3.2 逻辑设计
5.3.3 数据库表设计
5.4 系统开发环境
5.5 系统模块实现
5.5.1 主界面实现
5.5.2 用户管理模块
5.5.3 单井基础数据管理模块
5.5.4 单井产量预测模块
5.5.5 单井操作成本预测模块
5.5.6 单井效益分析报告模块
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间参加科研情况及获得的学术成果
【参考文献】：
期刊论文
[1]基于门控循环单元神经网络的金融时间序列预测[J]. 张金磊,罗玉玲,付强. 广西师范大学学报(自然科学版). 2019(02)
[2]基于深度学习LSTM神经网络的全球股票指数预测研究[J]. 杨青,王晨蔚. 统计研究. 2019(03)
[3]分析数理统计方法在油田单井效益评价中的应用[J]. 王春艳. 经济研究导刊. 2019(08)
[4]基于深度门控循环单元神经网络的短期风功率预测模型[J]. 牛哲文,余泽远,李波,唐文虎. 电力自动化设备. 2018(05)
[5]混合PSO优化卷积神经网络结构和参数[J]. 唐贤伦,刘庆,张娜,周家林. 电子科技大学学报. 2018(02)
[6]粒子群优化RBF神经网络的光伏阵列故障诊断[J]. 王福忠,裴玉龙. 河南理工大学学报(自然科学版). 2018(02)
[7]人工智能的发展及应用现状综述[J]. 苏若祺. 电子世界. 2018(03)
[8]变压器绝缘故障类型的改进型RBF神经网络识别算法[J]. 李浩,王福忠,王锐. 电源学报. 2018(05)
[9]逐个剔除法在单位操作成本预测中的应用[J]. 李萍,张伟,王晓芸,杨凯,王新颖. 化工管理. 2016(02)
[10]中国石油峰值预测及其应对策略研究[J]. 王婷婷,黄诚,张琪琛. 中国矿业. 2015(12)
博士论文
[1]基于灰色系统与核方法的油藏动态预测方法研究[D]. 马新.西南石油大学 2016
[2]油田区块监测指标与开发指标预测建模及应用研究[D]. 鲁柳利.西南石油大学 2013
硕士论文
[1]面向短时交通流分析与预测的循环神经网络算法研究[D]. 赵庆.西安理工大学 2019
[2]基于深度学习的短时公交客流预测研究[D]. 李梅.北京交通大学 2019
[3]基于时间序列分析方法的油田产量预测与应用[D]. 李达.兰州理工大学 2018
[4]基于GRU神经网络的时间序列预测研究[D]. 刘洋.成都理工大学 2017
[5]油田效益开发规划方法和决策系统研究[D]. 赵娇.西南石油大学 2016
[6]油田企业单井效益评价研究[D]. 刘萌萌.中国石油大学(华东) 2016
[7]XJ油田开发项目操作成本分析与应用研究[D]. 贺芳.西南石油大学 2015
[8]基于人工神经网络的油田开发指标预测模型及算法研究[D]. 杨婷婷.东北石油大学 2013
[9]油田区块操作成本预测方法研究[D]. 陈明.中国石油大学（华东） 2013
本文编号：3731857
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3731857.html