基于ARIMA-Kalman滤波器数据挖掘模型的油井产量预测

TE341; 影响水驱开发油田产量的因素众多,针对常规产量预测方法无法考虑时序影响因素的非同步性以及滞后性,应用时间序列分析方法,结合卡尔曼滤波器(Kalman filter),建立考虑因素动态关系的产量ARIMA-Kalman滤波器时间序列模型.根据历史产量数据建立时间序列中的产量差分自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型;再将ARIMA模型与Kalman滤波器相结合,构建产量预测算法;以实例油田资料开展机器学习和数据挖掘,并采用数据拟合及预测检验评价算法合理性,实现最终产量数据预测.研究结果表明,ARIMA-K...

Full description

Saved in:
Bibliographic Details
Published in深圳大学学报（理工版） Vol. 35; no. 6; pp. 575 - 581
Main Authors 谷建伟, 隋顾磊, 李志涛, 刘巍, 王依科, 张以根, 崔文富
Format Journal Article
LanguageChinese
Published 中国石油大学(华东)石油工程学院,山东青岛,266580%中国石化胜利油田分公司勘探开发研究院,山东东营,257015%中国石化胜利油田分公司胜利采油厂,山东东营,257015 30.11.2018
Subjects
油气田开发工程
产量预测
时间序列
卡尔曼滤波器
数据挖掘
ARIMA模型
Online AccessGet full text
ISSN1000-2618
DOI10.3724/SP.J.1249.2018.06575

Cover

More Information
Summary:TE341; 影响水驱开发油田产量的因素众多,针对常规产量预测方法无法考虑时序影响因素的非同步性以及滞后性,应用时间序列分析方法,结合卡尔曼滤波器(Kalman filter),建立考虑因素动态关系的产量ARIMA-Kalman滤波器时间序列模型.根据历史产量数据建立时间序列中的产量差分自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型;再将ARIMA模型与Kalman滤波器相结合,构建产量预测算法;以实例油田资料开展机器学习和数据挖掘,并采用数据拟合及预测检验评价算法合理性,实现最终产量数据预测.研究结果表明,ARIMA-Kalman滤波器具有高效的时序影响因素的分析能力,能够排除非同步性和滞后性的影响,使识别出的产量时间序列模型具有精准的拟合结果和预测能力.该研究可为油田产量预测提供一种有效方法,为后续的油井开采提供决策和理论依据.
ISSN:1000-2618
DOI:10.3724/SP.J.1249.2018.06575