基于机器学习的石油多峰模型研究及应用

作者：黄诚,潘雯晋

摘要：油田在实际开发过程中,受新区块投产、开发方案调整和“三采”措施等因素的影响,年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题,开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型,对多峰数据序列进行分段最小二乘拟合,在拟合误差函数中引入控制分段个数的罚分项,采用动态规划算法,自动求得最优分段的多峰预测模型,该模型运用在实际的油田产量数据上,预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法,在实际应用中具有建模简单、自适应性强的优点。

发文机构：西南石油大学计算机科学学院

关键词：石油产量预测机器学习动态规划多峰预测模型Hubbert模型oil production forecastsmachine learningdynamic programmingmultiple peaksHubbert model

分类号： TE311[石油与天然气工程—油气田开发工程]F224.9[经济管理—国民经济]