基于NGSIM数据的汽车变道越线时间预测

为预测汽车变道越线时间,基于NGSIM数据提取汽车的真实越线时间,选定变道车和其周围汽车的行驶状态参数作为潜在影响因素。随机选取60组训练数据,先利用Spss软件逐步回归法对越线时间与自变量进行多元线性回归拟合,再通过Matlab编程对越线时间进行多元非线性回归拟合,分别建立多元线性和非线性回归越线时间预测模型;对模型进行训练后得到各模型的系数,分别测试除训练数据外的30组数据并对比拟合效果。结果表明,所建立的多元非线性回归模型能够有效预测汽车变道越线时间,预测有效率达到83%。     

逐步回归分析方法在储层参数预测中的应用

目前,储层参数(孔隙度和渗透率等)分布规律和储层非均质性研究是油气藏描述的核心,储层参数是油层评价的重要依据,储层参数预测在油气勘探开发中具有重要意义。文中通过采用某一个点的测井曲线或地震数据推测出该点的孔隙度或渗透率,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,多元逐步回归分析方法的理论正好适用于这种实际问题。它是利用通过特殊仪器测量的测井曲线数据参数与岩芯属性参数(例如孔隙度),建立测井曲线数据参数与多个岩芯属性参数之间的线性关系,这种方法比较简单实用。因此文中采用逐步回归分析方法作为预测方法,重点介绍了回归分析中的逐步回归的基本思想以及具体计算步骤。最后,提出油气勘探中预测孔隙度的问题,并用逐步回归分析优化回归方程并用此方程预测岩芯属性参数。研究表明,该方法预测精度高,方法稳定有效,逐步回归较好的解决了部分测井勘探的实际问题,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,该方法可以把非线性问题转化为线性问题,大大减少了技术上的难题。     

企业人力资源结构的混合回归预测

本文以企业人力资源结构为研究对象 ,分析了影响企业人力资源结构的因素 ;应用混合回归方法首先对影响因子进行了相关性分析和非线性回归 ,然后从整体上进行多元线性回归 ,从而建立了多元非线性回归模型 ,并以此模型进行了实证预测分析 ;预测结果表明 :效果良好 ,精度很高     

川东某气田产量预测方法适宜性研究与应用

天然气开发规划要求对产量作出合理的预测。本文利用Arps递减曲线分析法,通过二元线性回归求取递减方程参数,预测川东某气藏5号井产量;同时根据翁氏旋回理论,通过线性试差求取模型参数,建立广义翁氏预测模型,预测5号井产量。比较两种方法在该气藏的适宜性,为类似气藏选择合理的产量预测方法提供参考。     

城市日用水量预测的非参数模型研究

本文针对传统的线性回归模型误差较大的特点,利用核估计与局部线性估计方法,以气温、节假日为自变量,以用水量为因变量建立了城市日用水量的多元非参数回归模型.经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型预测精度较高,预测效果好.     

基于线性回归与神经网络的储层参数预测复合方法

为提高储层参数的预测精度,提出一种利用测井资料,结合多元线性回归和神经网络预测储层参数的新的复合方法,具体分两步:(1)通过多元线性回归分析建立回归值y'的计算模型,将y'作为储层参数的初步预测值;(2)通过RBF神经网络建立y'的残差Δd的预测模型,将预测结果Δd作为y'的非线性误差补偿,最终建立储层参数解释模型,y=y'+Δd。基于该方法,结合测井资料和岩心数据,建立了鄂尔多斯盆地某致密砂岩气田M3井区S_2~2、T_2~2段孔隙度和含水饱和度的测井解释模型,结果显示,新方法建立的模型预测值与S_2~2、T_2~2段实际岩心孔隙度、含水饱和度值的平均相对误差均小于17%,明显优于单独根据多元线性回归分析或RBF神经网络建立的解释模型,预测精度更高。     

基于多元线性回归模型的考试成绩评价与预测

为增加教学环节考试成绩评价与预测的科学性, 根据多元线性统计分析中的多元线性回归分析方法, 对考试成绩指标进行量化, 建立了考试成绩评价与预测的回归模型。解析国家四级英语考试成绩与学生的期末考试成绩之间的联系, 建立了基于成绩评价的多元线性回归的数学模型, 并得到了回归系数的数值。通过对回归模型以及回归系数进行显著性检验, 证明了模型的合理性。结果表明, 利用该模型对数据进行合理的评价与预测, 并在充分的条件下, 根据学生的期末考试成绩能合理地预测出学生的英语四级考试成绩。     

基于试井资料分析的煤储层渗透率定量预测模型

为了探讨煤储层渗透预测的方法,基于工区的试井资料,对煤储层渗透率的主控因素进行了分析,认为煤层埋深、储层压力、地应力和有效地应力与煤储层渗透率具有较强的相关性;以工区的试井资料为依据,选取相应的参数,利用多元线性逐步回归分析和非线性的BP神经网络两种方法,对煤储层渗透率进行了预测分析.预测结果和实测资料对比分析表明:预测的煤储层渗透率与实测的煤储层渗透率之间的误差较小,且非线性的BP神经网络方法预测结果明显优于线性回归预测的结果;基于试井资料建立煤储层渗透率预测模型具有可行性,其预测结果是可靠.     

基于GM(0,N)模型的煤自然发火期预测

为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预测结果优于多元线性回归模型.研究结果表明:利用灰色关联分析选取适当参数建立GM(0,N)模型能够较好预测煤最短自然发火期.     

基于多元线性回归和BP神经网络的单井能力预测

为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。     

基于多重多元回归的焦炭质量预测模型

 焦炭质量预测是焦化企业进行焦炭质量控制的重要方法。在诸多生产因素已固定的条件下,焦炭质量主要取决于原料煤性质。用煤质指标预测焦炭质量是焦炭质量预测的重要方法。考虑配合煤煤质指标和焦炭质量指标的多元性和相关性,采用多重多元回归分析技术,将焦炭质量的各指标作为一个整体,建立配合煤煤质指标对焦炭质量的预测模型。基于偏最小二乘回归思想,采用预测误差平方和（PRESS）和预测的方差验证回归模型的预测能力。根据实际焦炭生产建立的焦炭质量预测多重多元回归模型的显著性检验表明,该模型具有较高的预测能力。应用多重多元回归技术建立的焦炭质量预测模型对指导焦化企业的焦化生产,优化配煤和加强焦炭质量控制具有重要的现实意义。     

数据驱动建立地层原油黏度计算新方法

针对海上勘探评价阶段稠油油田地层流体取样少或无取样的问题,通过对大量渤海地区已取样稠油流体数据统计,应用数据矩阵分析探寻影响地层原油黏度的主控因素及不同参数与地层原油黏度的关系,采用非线性回归建立地层原油黏度与其他参数之间关系的经验公式,同时建立不同参数条件的地层原油黏度与地面密度的取值图版。新经验公式计算的地层原油黏度与实测地层原油黏度平均误差5.6%,同时应用经验公式和原油黏度确定综合图版对某海上稠油流体性质进行分析,两种方法研究结果相当,说明新方法的可靠性。基于数据驱动建立的地层原油黏度公式和图版成果可解决海上稠油油田地层流体取样少或无取样的问题,为油田开发方案编制、开发方式选择、采收率预测、平台设施设计及原油输送提供重要参考依据。     

基于ε-SVR的用户视听在线人数预测

预测视听在线人数能够帮助厂商提供有价值的信息, 获取更大效益. 从时间序列分析出发, 经过特征调整, 利用支持向量回归对用户视听在线人数进行准确预测. 首先, 对数据进行时间序列分析建模并预测; 然后, 将模型视为线性回归对用户视听在线人数作进一步改进, 结合时间与实际生活中的特征进行调整, 并添加了新的特征; 接着, 对新特征组成的样本进行支持向量回归, 通过社会认知优化寻找径向基函数中的最优参数; 最后, 得到比较理想的预测效果.     

聚驱油井压裂效果的多元线性回归预测方法

聚驱油井压裂效果的确定是聚驱开发预测的重要内容。分析了大庆油田聚合物驱历年油井实际压裂效果及变化规律,利用灰色关联分析方法确定了压裂效果的影响因素,主要包括注聚时含水、压裂时含水、压裂时单井日产、压裂层段有效厚度、渗透率、含油饱和度等,并在研究聚合物驱压裂增油机理及变化规律的基础上,运用多元线性回归方法建立了聚驱压裂增油量和有效期的预测方程,预测精度在95%以上。在油田生产中,可以利用该回归方程预测聚驱油井压裂的增油量和有效期。     

聚驱油井压裂效果的多元线性回归预测方法

聚驱油井压裂效果的确定是聚驱开发预测的重要内容。分析了大庆油田聚合物驱历年油井实际压裂效果及变化规律,利用灰色关联分析方法确定了压裂效果的影响因素,主要包括注聚时含水、压裂时含水、压裂时单井日产、压裂层段有效厚度、渗透率、含油饱和度等,并在研究聚合物驱压裂增油机理及变化规律的基础上,运用多元线性回归方法建立了聚驱压裂增油量和有效期的预测方程,预测精度在95%以上。在油田生产中,可以利用该回归方程预测聚驱油井压裂的增油量和有效期。     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM（1,1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM（1,1）预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路。     

地下水水质预测的多元线性回归分析模型研究

运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质动态预测模型,并将该模型用于遵义市海龙坝地下水水质的动态预测.结果表明预测精度较高,建立的模型较符合本研究区的实际情况.     

基于Debye 分解的岩石电性与孔渗参数关系探讨

随着油气资源的深入开发与勘探难度的加大,常用的地震等声学方法已不能满足精准预测储层的要求,因此利用岩石的电学参数准确预测储层参数的方法越来越受到重视.通过岩石物理实验测量了碎屑岩、碳酸盐岩、变质岩的复电阻率、孔隙度与渗透率,基于Debye分解模型计算了岩样理论的相关激电参数,结合Archie公式与Kozeny-Carman方程预测了岩样的理论孔渗参数.根据理论模型与实测数据的拟合,确定了三类岩样预测模型待定系数的最佳取值范围,获得了模型拟合系数,最终得到了孔渗预测的相关经验公式.研究结果对于帮助岩石物理建模和指导油气勘探开发部署具有积极的理论意义和应用价值.