油嘴选用预测
问题的背景:中东地区环境复杂,关于油井的气量, 含水等数据只能通过人的测算,数据不太可靠,想通过机器学习的方法来实现选取最优的油嘴。
输入:油井的层级,气量,含水等数据。
输出:是否选用数据进而判断是否选取该油嘴。
方法: 1.优先强规则(专家规则),当数据符合强规则的条件进行直接判断。
当数据不符合强规则只符合弱规则的情况下:
1.将根据数据覆盖的规则数量对它们进行划分。 region-0、1 和 k k k 分别对应 0规则匹配、1 规则匹配和多规则匹配的数据。
2.构建神经网络。 使用region-1 数据和对应规则所预测的标签进行训练。
3.获得由专家指定的 region-k 数据及其标签。 这些数据按照特定比例与 region-1 数据混合以进一步训练模型
解决这个问题共分为三个阶段:
阶段一:单井预测,通过对每一天的同一口油井一年的数据,优先看是否匹配强规则,匹配直接选择是否选用,用不符合强规则的数据训练得到预测模型
阶段二:带入单井的历史数据,考虑时序上的关联性,可以考虑取10天的数据为一个样本,可以考虑用RNN得到预测模型。
阶段三:同一油层,同一片井区可以多井集中学习。