下载文档原格式
基于SVM模型的油井工况智能诊断分析系统作者：王绍平李永平李广辉刘继红向东奎来源：《石油知识》 2018年第6期摘要：随着近年来油田生产行业发展和变化，传统数字化油水井工况监控系统无法达到智能、高效、闭环管理的目的。
油水井智能诊断优化系统是运用物联网、知识库、机器学习等技术，实现单井问题实时诊断预警、治理措施辅助提出、措施进度及时跟踪、措施效果自动统计，结合单井历史大数据分析提出单井生产预测、优化建议，起到优化管理流程、提高工作效率、减轻劳动强度、提高油井时率、优化注水运行的作用。
本文对油水井智能诊断优化系统的整体设计、核心功能及关键技术进行了介绍，并对系统运行流程以及现场应用效果进行了评价和说明。
关键词：油水井智能诊断；单井闭环管理；诊断知识库；工况诊断算法模型0 引言长庆油田第二采油厂管理着马岭、华池、城壕、西峰等11个油田，近年来随着开发规模的扩大，油水井的井数日渐增多。
在人工智能、大数据及物联网等新兴技术发展的今天，借助智能传感器、知识库管理及数据互联等手段，通过计算机代替人工分析降低人工成本、提高管理效率已成为流行解决方案之一。
1 油水井工况系统应用现状及存在问题第二采油厂数字化建设从2003年开始，经历西峰油田先导性试验、老油田数字化升级改造、功能拓展深化应用三个阶段，单井数字化装配配套已趋于完善：油井已经实现了功图遥测、功图计量、电参数控制等功能，水井已经实现了稳流配水、压力、流量参数远程监控，同时建立了油水井工况系统，对参数进行远程监控和分析，用于辅助油水井管理，取得了良好的应用效果。
但随着近年来油田生产行业发展和变化，在用系统无法完全满足目前及未来的生产需求，主要体现在三个方面：一是现有系统智能化程度不高，无法代替人工分析降低人工成本；二是现有系统未建立油水井闭环管理流程，不能满足精细化管理需求；三是现有系统使用的技术老旧，系统性能无法满足现有生产规模。
2 油水井智能诊断优化系统设计基于解决以上问题的目的，2017年第二采油厂设计了油水井智能诊断优化系统，该系统在当前数字化前端设备基础上适当增加新传感设备，通过建立完善各类单井问题诊断模型库、知识库，系统参与到单井的诊断、预警、措施制定、生产预测、优化等各个环节。
油田注水系统数学建模与控制理论研究的开题报告一、选题背景随着国家经济的快速发展，油田工业化规模逐年扩大，油田注水的应用也越来越广泛。
油田注水系统是油田开发中重要的工业控制系统之一，它主要是通过往油藏中注入水来提高油藏压力，从而改善油田开采条件。
然而，在注水过程中面临着注水效果不佳、能源浪费等难题，因此对油田注水控制理论的研究具有重要意义。
二、研究目的本文以油田注水系统为研究对象，旨在构建注水系统的控制模型，研究注水控制方法，实现注水系统的优化控制与节能降耗。
三、研究内容1. 油田注水系统的建模油田注水系统的建模是控制理论研究的基础。
针对油田注水系统，本文将从数学模型的角度出发，分析各个因素对注水效果的影响，综合建立时间响应、流量、压力等因素的注水控制数学模型。
2. 注水控制方法的研究在构建注水系统的控制模型的基础上，本文将根据模型特点，探讨适用于注水系统的控制方法，比如PID控制、模糊控制、神经网络控制等。
3. 注水系统的优化控制与节能降耗本文将运用建立的控制模型和控制方法，设计注水系统的优化控制策略，减少能源消耗，优化注水效果，提高注水系统的运行效率。
四、研究意义本研究旨在解决油田注水系统在实际运行中存在的问题，提高注水系统的自动化控制水平和节能环保效果，可以给油田开发和注水系统的优化管理提供一个新的思路和方法，对加强油田注水控制的理论研究具有重要的实践意义。
五、研究方法本研究将采用理论研究和实验室仿真相结合的方法，结合实际情况对注水控制数学模型进行建立和优化，同时以MATLAB等数学建模软件为工具，对系统进行仿真分析，验证数学模型的正确性和可行性。
六、预期成果预期本研究将通过建立油田注水系统的数学模型，获得注水系统的时间响应、流量和压力等关键数据，为注水控制提供数据支持和理论基础。
同时，将研究不同的注水控制方法和策略，实现注水系统的优化控制与节能降耗。
最终实现对油田注水控制理论的进一步完善，具有较高的应用价值和推广价值。
油田预警分析模型的研究与设计魏军【期刊名称】《电脑知识与技术》【年(卷),期】2014(000)025【摘要】目前我国大部分的石油产区已经进入生产开采的中后期，此时为了能够提高石油的采收率来满足社会生产生活，必须及时有效地对油田的产量进行预警分析。
本文提出一种油田预警分析模型，该模型采用支持向量机方法对油田开发过程中的油田区块进行预警，并且对抽油单井进行实时的监控与诊断，分析可能出现的各种问题，进而可以在异常事件初期及时发现生产中的异常情况，以此来进行预警，提前采取预防措施，从而实现油田产量的稳产高产。
实验结果证明该模型具有较高的预测准确性。
%At present, in our country most of the oil producing region has entered the mid-late production mining, at this time, in orderto improve the recovery ratio of oil to meet the social production and living, must be early warning analysis for oilfield production in a timely and effective manner. This paper presents a oilfield early warning analysis model, the model uses support vector machine (SVM) method for early warning oil block in the process of oilfield development.And for single-well pumping real-time monitoring and diagnosis, analysis of the various problems that may arise, and thus can detect abnormalities in the pro-duction of abnormal events in the early stages, in order to be alert and take precautionary measures in advance, in order to achieve oil productionthe high-yield. Experimental results show that the model has high prediction accuracy.【总页数】4页(P6011-6014)【作者】魏军【作者单位】克拉玛依职业技术学院信息工程系，新疆克拉玛依833600【正文语种】中文【中图分类】TP311【相关文献】1.XML文档分析模型研究与设计 [J], 刘勇2.网络访问行为分析模型的研究与设计 [J], 潘蕾;朱洪霞3.基于CART的肿瘤分析模型的研究与设计 [J], 龙思哲;杜剑亮;庞辉4.三维财务风险预警理论模式及其指数预警矩阵新论——基于现金流量的财务风险三维分析模型及其预警指数体系研究 [J], 张友棠;冯自钦;杨轶5.刑事案件分析模型的研究与设计 [J], 丁世洁因版权原因，仅展示原文概要，查看原文内容请购买。
油田生产动态预警模型研究李春生;魏军;王博;王素玲【摘要】As the development of Daqing oil field in the middle and late stage of oil field production,various profession has accumulated a large amount of valuable data,these data not only reflect the petroleum exploitation development path,but also record the abnormal pro-duction declined in the process of oilfield development,and the take measures to increase production of the abnormal. Based on the sup-port vector machine,dynamic early warning model is established. By finding the historical production data of changes in production,find abnormal alarm formation mode. Based on the real-time monitoring for oil field development data,can judge in advance the abnormal production decline,and take targeted measures to ensure the benign operation of crude oil production. The eighth of Daqing oil field plant history samples are trained and validated,it is proved that the model for oilfield production abnormal condition has a high prediction accu-racy. Experimental results show that the model is effective,and the model is further improved correlation method.% 随着大庆油田的开发进入中后期，油田生产中的各个专业都积累了大量宝贵的专业数据，这些数据不仅反映了石油开采的发展轨迹，并且记录了油田开发过程中出现的产量异常下降情况，以及针对异常所采取的增产措施。
矿井突水水源辨识的改进SVM和GA-BP神经网络模型阳富强;刘广宁;郭乐乐【摘要】及时辨识突水水源是有效预防和控制矿井突水灾害的重要工作之一.基于河南焦作某矿区不同水层的测试样本,利用嵌入梯度的支持向量机(SVM)对常用的[So4]2+、K+、Mg2+、Na+、Ca2+、Cl-、[HCO3]-、F-8种水化学成分进行因子约简,确定以K+、Mg2+、Ca2+、Cl-、[HCO3]-、F作为矿井突水水源辨识的主要判别因子.运用遗传算法优化BP神经网络(GA-BP)对新体系下的30组学习样本进行训练拟合,用所建立的分析模型对10组待检验水源类别进行辨识,预测平均正确率达到了94.27％.研究结果表明,该指标体系在矿井突水水源辨识中具有可行性,且GA-BP模型分类性能好,误判率低,可以用于矿井突水水源的辨识.【期刊名称】《有色金属（矿山部分）》【年(卷),期】2015(067)001【总页数】5页(P87-91)【关键词】矿井突水;水源判别;SVM;GA-BP【作者】阳富强;刘广宁;郭乐乐【作者单位】福州大学环境与资源学院,福州350108;福州大学环境与资源学院,福州350108;福州大学环境与资源学院,福州350108【正文语种】中文【中图分类】TD74矿井突水灾害一直制约着我国矿山的健康发展，快速判别突(涌)水水源是有效预防矿井突水事故发生的重要工序之一。
鉴于离子含量差异性较大的地下水，其水文地球化学成因及来源各不相同，因此水化学方法已成为辨识突水水源的有效方法［1］。
当前大部分研究主要围绕突水水源中的化学成分含量进行测定，再基于数理统计和各种判别预测方法进行分类判别预测，但对于选取水中哪些化学成分作为判别体系并没有一个明确的定论，过多的指标测试不仅增加了测试的难度而且可能会影响测试的准确性。
目前针对矿井突水水源的辨识，研究人员提出了多种判别方法，如等效数值法［2］、模糊综合评判法［3］、最大效果测度值法［4］、距离判别法［5］等。
