基于机器学习的产油量主控因素分析

林霞; 刘宗尚; 高宇; 武博宇

首页> 中文期刊> 《信息系统工程》 >基于机器学习的产油量主控因素分析

基于机器学习的产油量主控因素分析

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为了找出油水井生产数据中油压、套压、动液面、含水率、关井原因、生产天数等生产指标对产油量的影响;分析各个生产指标之间的相关性.利用决策树、随机森林和梯度提升回归树对月产油量进行预测,对三种算法利用特征重要性方法算出影响产油量的生产指标主控因素.利用皮尔森相关系数和主成分分析(PCA)算法对主控因素进行验证与分析.预测结果为随机森林算法和梯度提升回归树算法优于决策树;特征重要性分析出含水率、生产天数与动液面为产油量的主控因素,皮尔森相关系数验证出含水率与产油量高度相关,生产天数与产油量中度相关;PCA算法分析出含水率与生产天数为主要特征,油压、套压等指标之间也存在相关性.最后推荐用随机森林或者梯度提升树用于预测产量,用随机森林算法给出特征重要性,配合皮尔森相关系数和PCA验证分析结果.

著录项

来源
《信息系统工程》 |2019年第12期|94-9799|共5页
作者
林霞; 刘宗尚; 高宇; 武博宇;
展开▼
作者单位

中国石油勘探开发研究院;

中国石油勘探开发研究院;

中国石油勘探开发研究院;

中国石油勘探开发研究院;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
特征重要性; 皮尔森相关系数; 主成分分析; 预测; 算法比较;

相似文献

中文文献
外文文献
专利

1. 基于机器学习方法的油井日产油量预测 [J] . 刘巍 ,刘威 ,谷建伟 . 石油钻采工艺 . 2020,第001期
2. 基于机器学习的危险货物道路运输事故影响因素分析 [J] . 沈小燕 ,魏珊珊 ,冯煜清 . 交通信息与安全 . 2020,第005期
3. 基于机器学习的燃气灶效率测量的因素分析研究 [J] . 张明伟 . 五金科技 . 2020,第004期
4. 基于机器学习的快递业务量影响因素分析及预测研究 [J] . 曹炀 ,翁剑锋 . 市场周刊·理论版 . 2020,第27期
5. 基于机器学习的日用气量预测及影响因素分析 [J] . 黄建安 ,金亚东 ,杨谈 . 煤气与热力 . 2019,第009期
6. 基于灰色关联法的钻井液粒度主控因素分析 [C] . 曹成 ,蒲晓林 ,戎克生 . 2016年度全国钻井液完井液技术交流研讨会 . 2016
7. 基于机器学习的核安全级主控制器负荷率预测研究 [A] . 齐帅 . 2020

基于机器学习的产油量主控因素分析

摘要

著录项

相似文献

相关主题

期刊订阅