混沌時間序列分析方法研究及其應(yīng)用

《混沌時間序列分析方法研究及其應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、溉沌黠閥序列分析方法研究及其廢尾掌ii嘲篇i罩—■■嘣掌i高i葺i——■宣黛嗣i警蔫一Illlr"I嵩暑薯i蔫嗣——警i#茹葛i掌—鼉宣茹_胃省——■瞄i；#葛鼉摘要對予洼田生產(chǎn)米說，要保證一個好鮑經(jīng)濟(jì)效益，就必須有一個高豹、穩(wěn)定的產(chǎn)濁量。這是油田生產(chǎn)開發(fā)的中心任努。濁毆產(chǎn)撼預(yù)測是科學(xué)管理油田和制定經(jīng)濟(jì)計(jì)劃的依據(jù)。目前，各油田已擁有一套憲善的包援單勢數(shù)據(jù)在內(nèi)的油田產(chǎn)量數(shù)據(jù)管理系統(tǒng)，急需將這些數(shù)據(jù)利熠起來具體地指導(dǎo)油田的實(shí)際生產(chǎn)開發(fā)。油喇開發(fā)怒一個復(fù)雜的非線性動力學(xué)系統(tǒng)，油田產(chǎn)量變化愛多種因素控制，導(dǎo)致萁表現(xiàn)形式既有確定性又有隨視性。憨的來說，油

2、田產(chǎn)量預(yù)測是一個多因索菲線性預(yù)測同題。譬囂所采用靜油田產(chǎn)量預(yù)測方法的預(yù)掇相對誤差都在10％左右，并崴這些方法對油嬲開發(fā)過程的時變襤幫備琴幸隨瓿干擾毽索具有不適應(yīng)性。因此，有必要供助予其它的分柝工具對}轡圍產(chǎn)量遂季亍預(yù)測。我們可以得到油田產(chǎn)量的歷史數(shù)據(jù)，可將遠(yuǎn)些數(shù)據(jù)看成是時間序列并列用對問序列分析的方法對其進(jìn)行建模及預(yù)測。本論文以油井產(chǎn)量時間序列為對象，對I也S算法、混沌時間序列性質(zhì)漿剮方法、混沌時間序歹日預(yù)鍘方法等進(jìn)行了深入細(xì)致的研究。論文首先分析RLS算法的慳能，在詫綦礎(chǔ)上為了提高收斂速度，提出一瓣改進(jìn)的RLS算法，剝饜改進(jìn)的RLS算法對菜油

3、田油井產(chǎn)量進(jìn)行了建模及預(yù)測。通過對預(yù)測結(jié)果的分析發(fā)現(xiàn)RLS預(yù)測方法苓§％對灌勢產(chǎn)最邀行精確堍多步預(yù)測。其次，為了更好的了解油井產(chǎn)量時間序列地性質(zhì)，利用相空間蓬掏方法煎構(gòu)該序列的吸引予，并計(jì)算其維數(shù)和最大Lyapunov指數(shù)，指出油井產(chǎn)量時間序剜具有混沌特征。同時，針對偽近鄰算法效率低的缺點(diǎn)，提出一種快速偽近鄰法選擇嵌入維數(shù)的新方法，該方法可將源算法時間復(fù)雜度由從O(M(M-I))降低到O(3M)。再次，對訓(xùn)練支持肉量枧的序列最小優(yōu)化方法進(jìn)霉亍了深入研究，針對原算法選取工{乍集過于隨枧的缺點(diǎn)，提出一種基予遺傳算法選擇工作集的叛方法，該方法能夠保證

4、每次所選取的工作繁使得目標(biāo)函數(shù)變化最大，從瑟使髫標(biāo)函數(shù)盡快向極值收斂。仿真結(jié)果表明，該方法可大大加快訓(xùn)練速度{同時，針對以往支持向麓機(jī)參數(shù)選取過于主觀的缺點(diǎn)，提出了基于遺傳算法方法選擇支持向量機(jī)參數(shù)的方法，仿真結(jié)果表明，這種新的參數(shù)選擇方法可在不明顯增加支持向量個數(shù)的基礎(chǔ)上減小泛純誤差。嗡爾濱工程大學(xué)搏士學(xué)位論文最后，在準(zhǔn)確搽別油井產(chǎn)量時間序列性質(zhì)的基礎(chǔ)上，提出用支持向量機(jī)方法預(yù)測油井產(chǎn)量，結(jié)果表明，無論是一步預(yù)測還是多步預(yù)測其預(yù)測效果明顯儻予RLS預(yù)溺方法。關(guān)鍵詞：時間序列{RLS算法；相空間重構(gòu)；預(yù)測；支持向量機(jī)；混沌；油井產(chǎn)量混沌時間序列

5、分析方法研究及其應(yīng)用AbstractThemostimporttaskforoilfieldiStoensureahighandstableoutput．Theaccuracyofpredictionisthebasisofoilfieldmanagement．Now,mostoilfieldshaveheldasetofoutputdataincludingsinglewelldata．AndtheyurgentlywanttOusethesedataforthedevelopmentofoilfield．Infact，theprocesso

6、foilfielddevelopmentisacomplicatednonlineardynamicsInoneword，thepredictionforoilfieldoutputisnonlinear．Atpresent，therelativecrieroftheexistingpredictionmethodsforoilfieldoutputisabout10％，andthesemethodsCannotfittostochasticnoises．Wehavetheoilfieldoutputdata，SOwecanusetimeser

7、iesanalysistoolformodelingandprediction。Theresearchobjectofthisthesisisthetimeseriesofsomeoilwellsoutputs．TheresearchfieldsofthethesisincludeRLSalgorithm，themethodsfordetectionchaosintimeseries，andthemethodsfortimeseriesprediction．“臧．thecharacteristicsofRLSalgorithma糟analyze

8、ddeepl弘andartimprovedRLSalgorithmisproposed．Withtheproposedalgorithm．oilwel