基于系统效率最高的抽油机井合理流压研究

确定抽油机井合理流压是采油工程与油藏工程的重要研究内容。本文建立了以系统效率最高为评价指标的抽油机井合理流压仿真方法,具体包括:基于抽油机井井筒油气水多相稳定流动的泵排出口压力与油井产液量的耦合仿真模型;有效功率的仿真计算方法;基于抽油杆柱轴向振动与悬点示功图仿真的电动机输入功率仿真模型;系统效率与流压、油藏参数、抽汲参数之间函数关系的仿真模型;给定流压条件下系统效率极值的仿真模型;系统效率极值随流压的变化规律以及合理流压的确定方法。仿真分析结果表明:流压对抽油机井系统效率有显著影响,优化流压可以显著提高系统效率;含水率、气油比与饱和压力等油藏参数是影响合理流压的主要因素。     

多粒度粗糙集数据分析研究的回顾与展望

粒计算是知识表示和数据挖掘的一个基本问题。粗糙集理论是知识获取的一个典型粒计算模型。在传统粗糙集数据分析中,信息系统中每一个对象在每一个属性上只能取唯一的值。在实际生活数据中,根据不同的粒度或者尺度,对象在同一属性上可以取不同粒度的值。该文介绍目前流行的三类基于粗糙集的多粒度数据处理模型,即多粒化粗糙集模型、多粒度邻域粗糙集模型、多尺度信息系统的粗糙集数据分析模型,回顾这三类多粒度粗糙集数据分析模型的研究进展及主要研究内容,并提出若干研究问题。     

一种基于粒计算的知识隐藏方法

对数据中蕴涵的敏感知识的隐藏与保护是私有保护数据挖掘中重要一个研究课题。粒计算具有在不同的粒度层次上进行问题求解的能力。本文讨论了基于粗糙集粒计算模型的数据中知识隐藏与保护方法。首先,介绍了不完备信息系统下的相容关系、相容信息粒和信息粒度;其次,提出基于粒计算的知识隐藏与保护方法;最后,通过具体实例和在真实数据集上的测试表明了所提出方法的可行性。     

决策系统簇的平均代价敏感并行约简

大数据背景下，数据量呈指数级增长，三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题，结合F-粗糙集处理动态数据方面的优势，在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先，从平均决策代价和平均测试代价的角度，定义基于F-粗糙集和三支决策的并行约简；其次，设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较，实验结果显示，基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价，提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.     

基于机采和集油系统整体能耗最低的集油参数优化方法

将环状集油环上的抽油机井与集油管网作为研究对象,基于多相水平管流模型和抽油机井动态参数的仿真技术建立集油管网压降、抽油机井井口油压与集油系统掺水参数关系的仿真模型及抽油机井输入功率、油井产量与井口油压之间关系的数学模型,即抽油机井输入功率、油井产量与掺水参数之间关系的数学模型。分别以集油和机采系统总能耗最低、集油和机采系统效益最大为优化设计的目标函数,建立集油系统掺水参数优化设计的数学模型。结果表明:井口油压对抽油机井输入功率与油井产量有显著影响;掺水温度与掺水流量对集油和机采系统总能耗、总效益具有显著影响,将机采与集油系统作为整体优化可显著提高系统整体经济效益。     

信息系统中粒计算模型及其属性约简方法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,目前在国际上逐步得到了人工智能有关研究人员的重视。模糊粒度模型、粗糙集粒度模型、邻域系统下的粒计算模型、商空间模型、相容粒度空间模型是目前几种常用的粒计算模型。基于粗糙集理论的粒度模型,通过决策信息系统的粒子空间中各粒子的推理,给出了决策信息系统中核属性计算方法;在此基础上,提出了决策信息系统属性约简的计算方法;通过实例验证了该方法的有效性。     

基于CNN卷积神经网络的示功图诊断技术

抽油机井示功图能够直接反映油井生产运行的情况,对其进行分析和研究是进行油井工况分析、参数优化最直接、最有效的手段。通过对油井参数及示功图进行数字化描述,结合卷积神经网络技术,建立示功图诊断模型并开发计算程序,实现对抽油机井工况的智能诊断。测试结果表明,该模型对供液不足、气体影响、偏磨、盘根紧等常见工况的诊断识别正确率达到89. 3%,具有较高的诊断精度,为油井工况分析和生产优化的有效技术手段。     

基于Hessian正则化多视角学习的抽油机井工况识别新方法

针对大数据下抽油机井采油生产系统特点以及目前抽油机井工况识别研究中存在的问题,为进一步提高抽油机井工况识别精准率和工程实用性,提出一种基于Hessian正则化多视角学习的抽油机井工况识别新方法。首先通过先验知识和专家经验,选择实测地面示功图、电功率和井口温度信号3个视角并进行特征提取,然后利用log损失函数建立Hessian正则化多视角logistic回归工况识别模型,最后采用交替优化算法求取最优解并进行分类识别。应用该方法对胜利油田某区块11种抽油机井典型工况进行识别,其识别效果分别比传统的基于实测地面示功图、实测电功率及特征连接多源识别方法提高了2.4%、11%和13.8%,而在少量标记训练样本下该方法识别效果更优,从而验证了该方法的有效性。     

抽油机井工况管理模型及应用

分析了抽油机井工况的各种影响因素，结合抽油机井工况管理的实际状况，推导并建立了一种新的沉没度／下泵深度与校核泵效关系的抽油机井工况管理图。确定了抽油机井的下泵深度和沉没度是影响泵效的主要因素，并完善了相应的计算模型。该方法具有直观、简明等特点，其准确度较之原有模型有所提高。经在胜利油田纯梁采油厂和孤东采油厂使用验证，符合率分别为９６．５％和９２．９％，能够更好地满足抽油机井生产管理的需要。     

利用综合粘度因子评价系统效率

抽油机井系统效率反映了油井对能量的利用程度,准确地评价抽油机井系统效率是有效衡量有杆抽油系统性能的关键。根据油井耗能的重新分析,提取了原油粘度、含水率、气油比3个显著的影响因素。利用数据拟合和0~1数值规范化处理方法根据其内在关系把三者整合成综合粘度因子,并通过定义新变量——无因次气油比与效率实现率,构建了抽油机井的系统效率评价模型。得到了系统效率评价图,作为确定抽油机井系统效率理论上、下限的基本方法。提出的模型在某油田进行了初步应用,得到的系统效率与实测效率基本吻合,为下一步是否采取优化措施以及各井的优化顺序提供了理论基础。     

面向抽油机节能的GRNN过程建模及工艺参数优化

针对抽油机系统效率低,能耗大的问题,提出一种基于数据挖掘的抽油机建模及节能优化方法。抽油机的工艺参数理想与否是决定抽油机效率的一个重要因素,而抽油机模型的有效性又是优化工艺参数的关键。抽油机工作过程是一个复杂非线性系统,很难用准确的数学模型描述,广义回归神经网络(generalized regression neural network,GRNN)非线性映射能力强、容错性高,适于解决非线性系统建模问题。为此,提出利用GRNN确定工艺参数与增产节能指标的映射关系,建立抽油机模型;实验结果表明模型的拟合度较好,建模效果良好。紧接着,运用具有智能特性的Pareto向量评价微粒群算法(vector evaluated particle swarm optimization based on pareto,VEPSO-BP)对模型进行搜索寻优,确定工艺参数的最优值,并用优化后的工艺参数指导实际生产;实验结果表明优化后的抽油机采油系统产量提高6.6%以上,用电量降低4.1%以上,验证了所提方法的可行性和有效性。     

基于不确定性采样的自训练代价敏感支持向量机研究

针对样本集中的类不平衡性和样本标注代价昂贵问题,提出基于不确定性采样的自训练代价敏感支持向量机.不确定性采样通过支持向量数据描述评价未标注样本的不确定性,对不确定性高的未标注样本进行标注,同时利用自训练方法训练代价敏感支持向量,代价敏感支持向量机利用代价参数和核参数对未标注样本进行预测.实验结果表明:该算法能有效地降低平均期望误分类代价,减少样本集中样本需要标注次数.     

粒集理论:粒计算的新模型

在已有的有关粒计算研究成果的基础上,表述了信息的粒化、层次化和动态性原理,并综合了粒的表示形 式后,提出了粒集的概念,确认了粒的二元组的表示形式#同时借用统一集的形式对粒集进行了描述,分析了统一 集与粒集的异同,给出了与粒集相关的一些概念,讨论了用粒集形式来表达其他各种各样的集合,诸如经典集合、 模糊集合、可拓集合、Vague集合、粗糙集合等后,又讨论并表示了粒运算和粒集运算,最后给出了粒集理论的初步 应用框架。粒集理论为粒计算提供很好的理论基础，从而使粒计算确立自己独立的研究领域。     

基于压缩决策表的乐观多粒度粗糙集粒度约简算法

粒度约简是多粒度粗糙集研究的一个关键问题。为了从乐观多粒度粗糙集的角度研究粒度约简问题,消除冗余数据,提高粒度约简的效率,提出基于压缩决策表的乐观多粒度粗糙集粒度约简算法。针对乐观多粒度粗糙集模型,引入下近似分布粒度约简的概念;利用线性时间排序算法进行等价类划分,为决策表的压缩和下近似集的计算打下基础;以冗余的决策表为研究对象,以核粒度为初始粒度约简集,以粒度重要性为启发式信息,运用粒度约简算法进行粒度约简,并通过实例分析和实验验证了该算法的有效性。结果表明,算法降低了计算下近似集的时间复杂度,具有较高的粒度约简效率。     

基于替代模型的油藏注采参数多目标优化设计

针对水驱油藏生产过程中合适的注采参数选取难的问题,提出了以净现值和累产油量为目标函数的多目标优化注采参数设计方法。采用基于粒子群算法的最小二乘支持向量机作为替代模型代替数值模拟,并用带精英策略的非支配排序多目标优化遗传算法对注采参数进行优化。以某区块两注两采模型为例,选取生产井井底压力和注水井注入量为优化变量,通过粒子群算法优化的最小二乘支持向量机构建替代模型,在优化过程中代替数模,再利用非支配排序遗传算法对注采参数进行优化。对比分析替代模型和数值模拟优化设计的结果,其误差在3%以内,并在注采参数优化时间上得到了明显提升。     

应用粒计算的混合智能故障诊断技术研究

针对现有的混合智能故障诊断模型缺乏通用方法和混合框架,未能实现不同智能诊断方法的实质性融合和优势互补的问题,提出并构建了一种基于粒计算的混合智能故障诊断模型.该模型的核心是在邻域粗糙集中求取不同的邻域值,对故障特征集进行分层粒化,在不同粒度下获得核属性集.利用核属性集在相应粒度下构建人工神经网络和支持向量机子分类器,通过评估矩阵算法对所有粒度下全部子分类器的诊断结果进行融合集成.模型应用结果表明,分类精度随着粒度层的增加而不断提高,集成后的分类精度高于不同粒度下的所有子分类器,从而体现了粒化分层的优势和不同智能诊断方法的优势互补,为混合智能诊断提供了一种新途径.     

基于粒计算的商业数据流概念漂移特征选择

商业数据流具有动态性、漂移性等特性,概念漂移特征选择是数据流挖掘的重要工作之一.本文从数据流的特点和概念漂移特性出发,提出了数据流的概念形式化分析流程和基于粒计算构建数据流的概念形式化描述模型;商业数据流的概念漂移实际上取决于其概念外延的变化,文中使用包括外延偶合度和内涵偶合度在内的概念偶合度来描述概念间的相似性;经过粒化的数据流由概念格来表示,进而通过概念格对的松弛偶合度来分析数据流特征;结合概念偶合分析和数据流变化特征,阐述了一种基于数据流概念格对的松弛匹配偶合度算法,并据此分析概念格对来选择数据流的漂移特征.通过实例验证、评价了特征选择,证明其有效性.     

基于粒计算Rough集模型的逻辑推理应用研究

讨论了粒计算理论信息粒子的构成,结合Rough集知识模型给出了信息决策系统不确定性推理的粒计算公式及其过程.针对水产养殖中鱼病诊断信息的模糊性、随机性等不确定特点,通过鱼病症状集形成条件属性粒子、疾病集形成决策粒子而构成的模糊信息决策表,描述出主要逻辑推理算法,即鱼病诊断的规则获取过程,促进粒计算理论应用,同时也为鱼病诊断领域提供了新方法.     

Dominance-based rough set approach as a paradigm of knowledge discovery and granular computing

Dominance-based rough set approach(DRSA) permits representation and analysis of all phenomena involving monotonicity relationship between some measures or perceptions.DRSA has also some merits within granular computing,as it extends the paradigm of granular computing to ordered data,specifies a syntax and modality of information granules which are appropriate for dealing with ordered data,and enables computing with words and reasoning about ordered data.Granular computing with ordered data is a very general...