[发明专利]一种基于时间序列的油井产液量集成预测方法

摘要

本发明属于石油生产技术领域，具体提供了一种基于时间序列的油井产液量集成预测方法，利用历史数据建立油井产液量数据集，采用经验模态分解方法对油井产液量数据集{Xi}中的数据进行处理；原数据集分解成k个IMF分量数据集和一个余项数据集；采用集成预测方法，分别由基于ELM方法和基于ESN方法以并行的方式同时对k个IMF分量数据集和一个余项数据集进行预测；将每个序列由两种方法所得到的预测值求平均值，然后将所有序列的预测值求和得到最终结果。本发明提供的这种预测方法，由过去一段时间的数据去预测未来某个时间点的值，原理简单，计算复杂性低，准确度高，可以有效降低异常数据的影响。

主权项

一种基于时间序列的油井产液量集成预测方法，其特征在于，包括如下步骤：1)利用历史数据建立油井产液量数据集为{xi，i＝1，2，…，n}，n为数据点的个数；2)采用经验模态分解方法对油井产液量数据集{xi}中的数据进行处理；3)将{xi}中所有极大值点用三次样条插值函数拟合，得到{xi}的上包络线；将{xi}中所有极小值点用三次样条插值函数拟合，得到{xi}的下包络线；{xi}的上下包络线的平均值记作将原数据集{xi}减去该平均值得到一个新的数据集{h1(i)}，记作：4)若{h1(i)}满足条件，则将该{h1(i)}看作{xi}的第一个IMF分量，记为c1(i)＝h1(i)；若{h1(i)}不满足条件，则使{h1(i)}取代原数据集{xi}，重复步骤3)直至计算得到一个满足条件的IMF分量，记为{c1(i)}；5)用{xi}减去{c1(i)}得到剩余值数据集{x1(i)}，有：x1(i)＝xi‑c1(i)；把{x1(i)}作为一个新的待分解数据集，重复步骤3)和步骤4)，依次提取出第2个、第3个直至第k个IMF分量，以及原数据集的余项{rres(i)}；当满足终止条件时结束分解，终止条件为最新的数据集不能再提取IMF分量；原数据集{xi}分解成k个IMF分量数据集{ck(i)}和一个余项数据集{rres(i)}；6)将k个IMF分量数据集{ck(i)}和一个余项数据集{rres(i)}中的数据进行相空间重构，得到时间序列模型，输入表示为：Xt＝[xt，xt+τ，…，xt+(m‑1)τ]，其中，t＝1，2，…，M，m为嵌入维数，τ为延迟时间，M＝n‑(m‑1)τ，n为数据集中数据的个数；将每个时间序列的输出表示为：Yt＝xt+1+(m‑1)τ；7)采用集成预测方法，分别由基于ELM方法和基于ESN方法以并行的方式同时对k个IMF分量数据集{ck(i)}和一个余项数据集{rres(i)}进行预测；8)对于k个IMF分量数据集时间序列和一个余项数据集时间序列，首先将每个序列由两种方法所得到的预测值求平均值，然后将所有序列的预测值求和得到最终结果；计算公式如下：Y=(Σi=1k12·(yiELM+yiESN))+12·(yresELM+yresESN)---(22)]]>其中，表示第i个IMF分量数据集时间序列由ELM方法得到的预测值；表示第i个IMF分量数据集时间序列由ESN方法得到的预测值；表示余项数据集时间序列由ELM方法得到的预测值；表示余项数据集时间序列由ESN方法得到的预测值。