![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
产量预测
文章平均质量分 75
weixin_43425490
这个作者很懒,什么都没留下…
展开
-
油田生产数据选取22.4.1 观察实验
井类型相同,井数:35,计量数:18938提取连续未选用属性:********** fold 1 **********train_loss:0.026004 train_acc:99.4297valid loss:0.090267 valid_acc:97.1905AccuracyF 97.19 posLabel 13.96precisionF 90.47 recallF 89.52 f1score 89.99********** fold 2 **********train_loss:0.原创 2022-04-01 15:09:55 · 121 阅读 · 0 评论 -
想法与实验 3.18
网络结构想法让模型更注意于控制变量和历史产量的变化规则实验已经实现规则:泵频率油嘴尺寸产液波动比率(包括从停泵时间折算产液量)连续时间内计量相近停井油压(弱规则)采取规则匹配结果求并的方式,满足2.5条及以上的约束则选取准确率: 0.7578精确率: 0.3425召回率: 0.3130...原创 2022-03-18 14:27:45 · 216 阅读 · 0 评论 -
油田生产数据选取进展22.3.12 观察实验
未进行去噪处理原数据按照时间排序foldtrain lossvalid lossAccuracyFprecisionFnrecallFnf1-scorefold 10.0028660.03529692.2951.3990.2465.49fold 20.0021130.00558698.62100.0091.4695.54fold 30.0027040.00652098.62100.0093.8196.80fold 40原创 2022-03-14 20:08:20 · 565 阅读 · 0 评论 -
油田生产数据选取进展22.3.4 观察实验
油井数据选取,从顶层,中层,底层进行三步观察实验原创 2022-03-04 14:49:24 · 98 阅读 · 0 评论 -
油田生产数据选取进展22.2.11——2.17——2.26
深度依次为:原始训练数据——生成训练数据——测试其他算法实验SVM使用非线性SVM,在训练集和得到结果:AccuracyFprecisionFnrecallFn70.71%94.83%31.47%ANN目前调整后的ANN,只能取得在训练集合中对查全率的优势roundAccuracyFprecisionFnrecallFn188.83%50.00%35.37%689.37%52.56%50.00%1187.87%4原创 2022-02-11 13:19:39 · 639 阅读 · 0 评论 -
油田生产数据选取进展22_1_30
1.修改不合规则的数据。其中以负类居多,已修改数据48天(负类共计108 天)。2.修改属性:产液量直接根据实际运转时间折算为速率,删除停泵时间属性增加提取的属性:连续未使用计量值时间3.生成数据符号表符号意义frn{fr}_nfrn第 n 项数据产液量计量值fr‾n\overline {fr}_nfrn第 n 项数据选用产液量fr^n\hat {fr}_{n}fr^n第 n 项数据推导选用产液量CnC_nCn第 n 项数据油嘴尺寸原创 2022-01-30 02:52:28 · 609 阅读 · 1 评论 -
油田生产数据选取问题4
1 现状因为遇到了数据不均衡问题,正在重新对数据进行分析以及修改模型。整个框架见 油田生产数据选取问题32 数据问题2.1 统计统计项数量时间跨度3425 天产液量计量734 天未选用产液计量108 天包含信息较丰富(在已有规则中且至少满足两项)的备注181 天油嘴尺寸变化24 次泵频率变化16 次2.2 分布视图2.2.1 计量与时间 计量值在时序上的分布 横轴为日期,纵轴为产液量计量值,蓝色点为选用,红色点为未选用。可原创 2022-01-16 15:15:43 · 846 阅读 · 2 评论 -
油田生产数据选取问题3
目前查准率和查全率很低。绝大多数的数据其实只包含了关键字“measuring”、“sampling”,...原创 2022-01-09 12:32:57 · 252 阅读 · 2 评论 -
产量数据选取问题2
数据集选用了某一单井从18年至21年的1431天的产量数据。缺省:Flowing Pressure (psi)流动压力属性所有数据都为空。当天若没有对应的操作,计量的产液量和含水率也为空。数据处理整理数据,为数据打上标签。转换格式使数据转换成容易用来训练的格式:方法1. 带有关键词“measuring”或者“sampling”的数据作为数据主元,其余数据按时间逆向查找到前一个主元为止,不包前一个主元。但是会造成每一数据项的属性长度不同的问题。方法2. 在实际情况下,只有计量或者取样过后,原创 2021-12-03 09:24:08 · 244 阅读 · 0 评论 -
产量数据选用问题
阶段1关键词:强规则,弱标签,背景:现场仪器误差大,在某些环境下影响不具有参考性。部分数据难以判断。问题:产油与含水率是否选用。对于无法判断的数据,预测其真实值。输入:一口井近十年的观测数据,产油、含水率,包含备注()输出:是否选用工人预测值?预测值。人为记录过程(专家规则、专家经验数据)step1. 是否满足硬性规则,若满足则选取(专家规则),否则转step2.step2. 参考前7天和后3天的数据,进行调整(专家经验数据),如果难以判断,转step3.step3. 查看井组或者整体油井原创 2021-11-14 11:36:12 · 258 阅读 · 0 评论 -
产量预测5 模型调研
水驱油田的含水变化规律在油田含水率 (fw)(f_w)(fw) 与 可采储量采出程度 (R∗)(R^*)(R∗) 坐标图上表现为凸形、S形和凹形曲线等类型。它主要反应了原油粘度对含水率变化的影响。随着原油粘度增加,曲线由凹变凸。曲线1模型概括为:固定产液量时, 产油量、时间、初始产油量的变化关系有符号表:变量解释AAA系数,常数;aaa系数,常数;BBB系数,常数;bbb系数,常数;ccc定产液量,系数,常数;DiD_iDi初始递.原创 2021-08-10 17:40:09 · 202 阅读 · 0 评论 -
产量预测4 卡尔曼滤波
卡尔曼滤波 学习参考贝叶斯滤波多元高斯分布机器人工作引入有一个在运作的小机器人,有一个状态 xkx_kxk 可以表示在 kkk 时刻,机器人的位置与速度:x=[pv]\begin{aligned}x = \begin{bmatrix} p \\ v \end{bmatrix}\end{aligned}x=[pv]假设速度不变,现对通过 k−1k-1k−1 时刻对 kkk 时刻机器人的运动进行预测:pk=pk−1 +vk−1Δtvk=vk−1\begin原创 2021-07-20 10:56:42 · 101 阅读 · 0 评论 -
产量预测3 数据生成
参考论文《Data-Driven End-To-End Production Prediction of Oil Reservoirs by EnKF-Enhanced Recurrent Neural Networks》的数据。生成注水速率的数据如下,左侧为仿照的数据,右侧对数据做了插值处理:下图为含水率数据:剩余产油率、井底压力数据,待评定后再做处理。...原创 2021-07-06 18:25:17 · 189 阅读 · 0 评论 -
产量预测2 文献调研
油气田油气采收可以划分为前、中、后期三大阶段。前期:依靠地层的压力可以做到直接采油中期:地层压力和地表压力逐渐持平后期:需要额外的手段采取剩余油气资源,如注水等手段。产量预测主要关注后期的产量预测。...原创 2021-06-27 18:09:44 · 255 阅读 · 0 评论 -
产量预测1 注水开发油藏 个人见解
数据调研声明:本博客只是一个门外汉的粗俗理解以及提问,不具有可靠性。研究目标: 通过机器学习,完成产量预测。远大目标: 通过产量预测,设计一个普适的模型。(针对约束满足问题设计模型?)目前仅仅做了少量的文献调研。主要有以下想法:1 问题的分析将问题从简单到复杂来分析。阶段1.注水量、生产量可以先把问题先简化描述为 寻找注采关系的问题。简单来看,可以认为注水井与周围的某k个生产井在某时间段内有一定的线性关系。为获取最优注采数据,只需拟合这一线性关系,找到最优的注采井对。阶段1的数据细化则原创 2021-06-11 18:46:15 · 201 阅读 · 5 评论