基于多模型融合的有桿泵抽油井動(dòng)液位軟測(cè)量方法研究.pdf

1、在石油開采過程中，有桿泵抽油機(jī)被各大油田廣泛應(yīng)用。在有桿泵抽油井生產(chǎn)過程中，油井環(huán)空液面的測(cè)試是一項(xiàng)非常重要的工作，動(dòng)液位是在油井正常工作時(shí)，實(shí)際液面的動(dòng)態(tài)變化數(shù)據(jù)。動(dòng)液位一方面直接反映了油井的供液能力的大小，可以用來確定油井的生產(chǎn)能力;另一方面，可以用來調(diào)整抽油泵的深度，以提高泵效。傳統(tǒng)測(cè)試法在檢測(cè)精度、實(shí)時(shí)性、安全性等方面有缺陷，因此對(duì)新的測(cè)量技術(shù)的探索是一個(gè)新的研究方向。應(yīng)用軟測(cè)量技術(shù)在線檢測(cè)不但經(jīng)濟(jì)可靠，而且動(dòng)態(tài)響應(yīng)迅速，克服了

2、傳統(tǒng)測(cè)試法的各種缺陷。
　　為了較好地反映實(shí)際生產(chǎn)過程特性，在建立軟測(cè)量模型時(shí)通常要收集較多的樣本數(shù)據(jù)，然而對(duì)于不同區(qū)域和時(shí)間的樣本，其擾動(dòng)幅度和對(duì)象特性均不同，采用單模型建模會(huì)導(dǎo)致系統(tǒng)特性匹配不好、精度和泛化能力弱等缺陷。因此本文采用多模型融合的軟測(cè)量建模方法，首先針對(duì)樣本數(shù)據(jù)分別應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)、LS-SVM和ELM進(jìn)行建模，得到子模型;其次在預(yù)測(cè)過程中，對(duì)三個(gè)子模型的預(yù)測(cè)值應(yīng)用Gauss-Markov融合算法進(jìn)行融合得到最

3、終的預(yù)測(cè)結(jié)果。
　　由于樣本數(shù)量大，樣本之間存在較大差異，導(dǎo)致測(cè)量不精確，因此本文采用基于仿射聚類的多模型融合建模方法。首先將樣本數(shù)據(jù)應(yīng)用仿射聚類算法進(jìn)行分類，進(jìn)而分別對(duì)各個(gè)聚類進(jìn)行建模，針對(duì)每個(gè)聚類得到三個(gè)子模型，再應(yīng)用Gauss-Markov融合算法將子模型預(yù)測(cè)結(jié)果進(jìn)行融合，最終的預(yù)測(cè)結(jié)果采用的是測(cè)試樣本所屬聚類的模型預(yù)測(cè)值。
　　在實(shí)際應(yīng)用中，系統(tǒng)存在工作狀態(tài)與離工作點(diǎn)較近的數(shù)據(jù)相關(guān)性較大，與工作點(diǎn)較遠(yuǎn)的數(shù)據(jù)相關(guān)性較小