基于機器學習的石油多峰模型研究及應用

作者：黃誠,潘雯晉

摘要：油田在實際開發過程中,受新區塊投產、開發方案調整和“三采”措施等因素的影響,年產量數據會呈現多峰形態。針對經典的Hubbert、HCZ等模型不能直接擬合多峰數據序列的問題,開展了基于機器學習的油田產量多峰預測模型研究。基于Hubbert模型,對多峰數據序列進行分段最小二乘擬合,在擬合誤差函數中引入控制分段個數的罰分項,采用動態規劃算法,自動求得最優分段的多峰預測模型,該模型運用在實際的油田產量數據上,預測結果達到預期目的。提出了一種通過自動最優分段的線性回歸學習來建立油田產量多峰預測模型的方法,在實際應用中具有建模簡單、自適應性強的優點。

發文機構：西南石油大學計算機科學學院

關鍵詞：石油產量預測機器學習動態規劃多峰預測模型Hubbert模型oil production forecastsmachine learningdynamic programmingmultiple peaksHubbert model

分類號： TE311[石油與天然氣工程—油氣田開發工程]F224.9[經濟管理—國民經濟]