[发明专利]一种基于时间序列的油井产液量集成预测方法

说明书

本发明属于石油生产技术领域，具体提供了一种基于时间序列的油井产液量集成预测方法，利用历史数据建立油井产液量数据集，采用经验模态分解方法对油井产液量数据集{X_i}中的数据进行处理；原数据集分解成k个IMF分量数据集和一个余项数据集；采用集成预测方法，分别由基于ELM方法和基于ESN方法以并行的方式同时对k个IMF分量数据集和一个余项数据集进行预测；将每个序列由两种方法所得到的预测值求平均值，然后将所有序列的预测值求和得到最终结果。本发明提供的这种预测方法，由过去一段时间的数据去预测未来某个时间点的值，原理简单，计算复杂性低，准确度高，可以有效降低异常数据的影响。

技术领域

本发明涉及石油生产技术领域，具体涉及一种基于时间序列的油井产液量集成预测方法。

背景技术

油井产液量是油田生产的一个重要指标，不仅关系到油井的生产寿命，还与企业的经济效益密切相关。对其进行准确的预测，对合理评价油井生产状况、及时调整抽汲参数和开采方案等都具有重要的意义。油井采油过程动态变化，会受到流体特性、油藏条件、人力干扰等的影响，很难在机理上掌握产油量的变化规律。目前的油田生产只能从井下采出油液后判断油井的实际生产状况，无法提前获知产液量的变化趋势。这使得油井开采方案的制定或调整总是滞后于油井的实际生产状况，影响企业生产效益。

发明内容

本发明的目的是克服现有技术的缺陷，提供一种基于时间序列的油井产液量集成预测方法，由已有的过去一段时期的油井产液量数据预测下一个时间点的产液量数据。

本发明的技术方案如下：

一种基于时间序列的油井产液量集成预测方法，包括如下步骤：

1)利用历史数据建立油井产液量数据集为{x_i，i＝1，2，…，n}，n为数据点的个数；

2)采用经验模态分解(EMD，Empirical Mode Decomposition)方法即EMD方法对油井产液量数据集{x_i}中的数据进行处理；

3)将{x_i}中所有极大值点用三次样条插值函数拟合，得到{x_i}的上包络线；将{x_i}中所有极小值点用三次样条插值函数拟合，得到{x_i}的下包络线；{x_i}的上下包络线的平均值记作将原数据集{x_i}减去该平均值得到一个新的数据集{h₁(i)}，记作：

4)若{h₁(i)}满足条件，则将该{h₁(i)}看作{x_i}的第一个IMF分量，记为c₁(i)＝h₁(i)；若{h₁(i)}不满足条件，则使{h₁(i)}取代原数据集{x_i}，重复步骤3)直至计算得到一个满足条件的IMF分量，记为{c₁(i)}；

5)用{x_i}减去{c₁(i)}得到剩余值数据集{x₁(i)}，有：x₁(i)＝x_i-c₁(i)；把{x₁(i)}作为一个新的待分解数据集，重复步骤3)和步骤4)，依次提取出第2个、第3个直至第k个IMF分量，以及原数据集的余项{r_res(i)}；当满足终止条件时结束分解，终止条件为最新的数据集不能再提取IMF分量；

原数据集{x_i}分解成k个IMF分量数据集{c_k(i)}和一个余项数据集{r_res(i)}；