[发明专利]一种用于三元复合驱机采井结垢预测大数据分析方法

权利要求书

1.一种用于三元复合驱机采井结垢预测大数据分析方法，其特征在于：所述的方法包括以下步骤：

步骤1：获取历史三元复合驱机采井离子浓度和结垢时期；

步骤2：将离子浓度作为输入参数，结垢时期作为验证参数，输入梯度提升决策树训练，得到强碱和弱碱结垢预测模型；

步骤3：将新得到的离子浓度输入强碱和弱碱结垢预测模型，得到三元复合驱机采井的结垢时期预测结果。

2.根据权利要求1所述的用于三元复合驱机采井结垢预测大数据分析方法，其特征在于，所述步骤2具体过程包括：

步骤2-1：将所述历史三元复合驱机采井离子浓度和结垢时期总数据量的70％作为训练样本，输入梯度提升决策树算法进行训练，得到强碱和弱碱结垢预测模型；

步骤2-2：将所述历史三元复合驱机采井离子浓度和结垢时期总数据量的剩余的30％输入强碱和弱碱结垢预测模型，得到并输出测试集预测符合率；

步骤2-3：判断训练集预测符合率率是否大于或等于预测符合率要求；

若是，则保留该预测模型，转入步骤3；

若否，则在调整梯度提升决策树算法参数后，重复步骤2。

3.根据权利要求2所述的用于三元复合驱机采井结垢预测大数据分析方法，其特征在于，所述步骤(2-2)测试集预测符合率为测试集数据中离子浓度输入训练生成的强碱和弱碱结垢预测模型后，输出的结垢时期，与实际的结垢时期对比，二者一致的样本数量占训练集样本总数的比例；要求测试集预测符合率大于80％。

4.根据权利要求2所述的用于三元复合驱机采井结垢预测大数据分析方法，其特征在于，所述步骤(2-3)还包括：若进行了n轮所述的调整梯度提升决策树算法参数后，所述测试集预测符合率率仍小于预测符合率要求，则对训练样本进行扩充数据、校验数据准确性等操作。

5.根据权利要求2所述的用于三元复合驱机采井结垢预测大数据分析方法，其特征在于，所述梯度提升决策树算法包括：

预测结果的残差为：

目标函数为：

F_M(x)＝F_M-1(x)+f_m(x)

其中，T(x；θm)表示第m棵决策树对于样本的预测结果，θm表示每一棵树的参数，x表示输入的变量参数，T表示输入参数与树节点的复杂关系函数，M表示树的个数，f_M^(x)表示第M轮树的预测结果，y_i表示样本标签。

6.根据权利要求1-3任一所述的用于三元复合驱机采井结垢预测大数据分析方法，其特征在于，所述离子浓度包括OH^-、CO₃^2-、HCO₃^-、Cl^-、SO₄^2-、Ca²⁺、Mg²⁺、Na⁺、K⁺、Si⁴⁺和pH值，结垢时期包括非结垢期、结垢临界期、结垢初期、结垢中期、结垢后期、停药期。