基于时变系统的支持向量机预测模型及其应用

论文摘要

随着油气田开发技术难度的逐渐加大,开发动态变化也越加复杂。如今,我国油气田所面临的关键问题之一是如何更加有效地实现油气田合理、高效和可持续的发展。油气田开发系统的预测研究是实现油气田合理高效开发的重要保证,油气田开发系统的优化研究是实现油气田可持续开发的重要途径。对油气田开发系统实施最优控制使得油气田开发动态能在遵循自身内部机理的情况下尽可能沿着人们期望的轨线发展,从而实现更大的经济效益。对油气田生产动态的预测研究可以合理准确地把握油气田开发的未来趋势,这是实现油气田可持续发展的重要基础。近几年来,许多石油专家已经研究并建立了油气田的各种动态预测方法,如神经网络、数值模拟法、自适应预测法以及驱替曲线法等,但这些方法都存在数据量大计算复杂、预测精度不高以及参数选择困难等问题。支持向量回归机是针对小样本数据预测问题,并有效地克服了传统方法中的“维数灾难”和过学习的问题,因此被广泛的应用到油气产量、原油采收率以及储层敏感性等的预测,然而系统深入地将时间序列和支持向量机相结合并应用于油田勘探开发方面的应用型文章未见报道。支持向量机是一种基于统计学原理并借助最优化方法来解决实际问题的机器学习方法。近几年来,随着对支持向量机理论研究的深入,在算法实现方面也取得了突破性的进展,但是在对真实数据的研究过程中,发现一些因素影响了该方法预测的准确度。针对复杂且非平稳的数据,如何提高预测效果成为人们的研究目标,通过分析输入、输出的数据样本所具有的特点,来建立不同的模型进行预测,能更好的拟合数据并提高对预测数据的精确度。本文首先系统地介绍了支持向量机基本原理,总结了核函数以及核参数的选择方法,并给出了各选择方法的优点和缺点,其次为了更好地实现油气田生产动态预测研究并提高预测的精确度,本文提出了一种基于时变系统的支持向量机预测模型。利用支持向量回归机和时间序列分析原理,建立了油气田生产动态的时间序列预测模型。在求解模型时先以离散小波变换将油气田生产动态数据分解成不同尺度水平的多个子序列,分析并揭示蕴含在预测变量内的信息,并对分解后的各个子序列进行时间序列分析,再以通过分析后的子序列作为输入向量,以支持向量回归机作为工具建构支持向量回归模型,最后对各个子序列的预测结果进行重构,从而得到预测结果,并对预测结果以及预测误差进行分析讨论,通过实例验证了基于时变系统的支持向量机预测模型的有效性与可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的意义
• 1.2 国内外研究现状
• 1.2.1 支持向量机的国内外研究现状
• 1.2.2 油气田生产动态预测分析研究现状
• 1.2.3 支持向量机在油气田勘探开发中的研究概况
• 1.3 本文研究的主要工作和结构
• 1.4 本文创新点
• 第2章 支持向量机
• 2.1 支持向量机理论基础
• 2.1.1 支持向量机
• 2.1.2 统计学习理论
• 2.1.3 最优化决策理论
• 2.2 支持向量分类机及其算法
• 2.2.1 线性可分情况
• 2.2.2 线性不可分情况
• 2.2.3 v-支持向量分类机
• 2.3 支持向量回归机及其算法
• 2.3.1 ε-支持向量回归机
• 2.3.2 v-支持向量回归机
• 2.4 核函数及其核参数的选择
• 2.4.1 核函数的选择方法
• 2.4.2 核参数的选择方法
• 第3章 基于时变系统的支持向量机模型研究
• 3.1 小波分析原理
• 3.1.1 小波分析
• 3.1.2 连续小波变换
• 3.1.3 离散参数小波变换
• 3.1.4 离散时间小波变换
• 3.1.5 离散小波变换
• 3.1.6 离散小波变换的快速算法
• 3.1.7 常用的小波函数
• 3.2 时间序列模型
• 3.2.1 自回归模型
• 3.2.2 滑动平均模型
• 3.2.3 自回归—滑动平均混合模型
• 3.3 基于时变系统的支持向量机模型
• 第4章 时变系统支持向量机预测模型的应用
• 4.1 油田背景介绍
• 4.2 样本集的选取
• 4.3 模型的建立与应用
• 4.3.1 时间序列分析过程
• 4.3.2 支持向量回归机预测
• 4.3.3 结果分析
• 第五章 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文