基于集成学习的致密气藏产能预测新方法

致密气藏产能预测是准确认识气藏、合理编制开发方案的重要基础。由于致密气藏储层物性差、非均质性强及压裂施工导致渗流规律复杂,其产能预测一直是项重大的挑战。利用集成学习思想,提出了将支持向量回归和AdaBoost回归通过堆叠模式耦合来进行产能预测的新方法,并以鄂尔多斯盆地M致密气区块为例进行了应用。通过最大互信息系数法筛选出M气藏产能主要影响因素为气层厚度、渗透率、孔隙度、含气饱和度、实际砂量、液氮量;将主要影响因素数据及相应无阻流量构成学习样本,利用孤立森林算法进行异常值检测,并通过K近邻填补缺失值;利用本文产能预测新方法,并通过贝叶斯优化算法进行了参数优化。随机选取20%数据进行盲测,并以决定系数为评价标准。测试结果表明,本文所提方法的决定系数R2值为0.936,预测精度相较单一算法有了明显提升。该方法有效结合了不同算法的优点,为致密气产能预测提供了一种新的思路。

基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法

天然裂缝是基岩潜山油藏油气存储及运输的重要场所,而裂缝开度是表征潜山油藏储层品质、油气储量及产能评价的关键参数。为此,提出一种基于集成学习算法的新型裂缝开度预测算法。以B盆地中非乍得某基岩潜山油藏岩心描述、关键井成像测井、裂缝参数解释获取开度数据,以相同深度测井数据作为特征变量构成学习样本。利用K均值聚类算法对学习样本进行降噪,剔除异常数据,以支持向量机回归和XGBoost回归算法为基础模型,再利用随机搜索进行参数优化,通过岭回归算法对基础模型进行集成组合,再进行裂缝开度预测。结果表明所提出的新型集成学习算法比基础模型性能有明显提升。测试集样本预测值与实际值均方根误差为0.047,相关系数达0.931。该算法弥补了单一回归算法不稳定的特点,提高了泛化能力,为裂缝开度预测提供了新思路。

基于熵值法的Goodgrant基金最优分配策略

Goodgrant基金会是美国的一个慈善组织,它希望通过慈善捐助来提高本科生教育绩效。为了更好的利用这笔资金,需要进行投资策略的研究。首先将所有候选学校用SPSS进行K-均值聚类分析,依据聚类结果分为6类。在相同类别中的学校,用MATLAB中的三角形线性插补法进行缺失数据的填补。然后将13个绩效影响因素归纳为生源质量、学校发展情况、学校及学生财务状况三个一级指标。通过熵值法客观地确定学校绩效评价的权重系数。利用熵值法计算出一级二级指标的权重,进行综合评价。按照评价标准计算出每个学校当前的绩效值,并以此对所有学校进行初步排名。选取排名前十的学校,依据每个学校的绩效值及办学规模确定奖学金金额。

烟塔合一脱硫塔设计特点

针对烟塔合一脱硫塔的特殊性——超高、高径比大以及中间非刚性连接的特殊性,以某石化企业锅炉脱硫工程设计实例,剖析此类设备结构设计特点,介绍了一种经济、可靠的设计方案。

折衷型模糊多属性决策方法在页岩气开发中的应用

为了建立页岩气目标优选体系,采用了折衷型模糊多属性决策模型进行研究。根据页岩气自身的性质及开发条件提取了14个指标,并运用层次分析法确定权重。将指标数据用三角形模糊数来表达,构建模糊决策矩阵。之后计算评价单元与模糊正负理想之间的距离,计算隶属度来进行模糊优选决策。最后以实际区域进行验证,结果与实际情况相符。

基于“互联网+”时代下的出租车资源优化配置研究

基于＂互联网＋＂的融合,对出租车资源配置进行了优化研究.通过建立改进的多边匹配因素分析模型,将出租车与乘客供求匹配因素分为必须要满足的硬度因素和可协调的软度因素,得到不同时空出租车匹配程度.将优势补贴方案和公司资本相结合,确定打车软件公司、司机和乘客三者之间的利益平衡点,借助整数规划实现模型的优化.

ARMA模型对南极洲温度预测中的应用研究

本文将熵值法和归一化加权法结合的方法定义平均地表温度,评估南极洲温度随时间变化的趋势,以及采用ARMA（4,4）模型对南极洲温度变化进行了预测.实验结果,以大于95%的概率通过了模型自检和实际检验,且模型预测值与实测值相比,最大绝对误差为1.78℃、最大相对误差为2.98%.预测出未来三年每月份南极洲的温度.