基于层次分析法的油田套损定量研究

在研究了国内、外大量有关油田套损机理资料的基础上,针对研究区海拉尔油田贝301区块应用层次分析法,对导致套损的诸多因素建立层次结构模型,定量计算出各个影响因素的权重.同时,建立套损参数判别模型,计算出套损参数,并将数据处理结果与实际套损资料进行对比可知,套损参数判别模型建立比较合理,判断正确率达到了85%以上.结果表明...     

水泥环参数和套管形状参数对套管强度的影响

目前,国内外均面临着严重的套损问题,因此研究套管强度的影响因素是必要的。通过建立套管和水泥环的三维有限元模型,并利用Ansys有限元分析软件研究了水泥环参数、套管偏心率和椭圆度对套管强度的影响。模拟结果表明,只有水泥环的弹性模量超过一定值,增加水泥环的厚度、弹性模量才能提高套管的强度,否则还会增加套管内壁的等效应力,并且得出了水泥环对套管强度的增幅效果是套管径厚比的函数;此外套管的强度随着套管偏心率和椭圆度的增加而大幅度降低,容易引起套管屈服破坏。     

基于聚类-二叉树支持向量机的砂土液化预测模型

建立在统计学习理论基础之上的支持向量机（SVM）,是一种基于结构风险最小的小样本机器学习方法。经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题。根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类-二叉树的多类支持向量机的砂土液化判别模型。该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系。研究结果表明,基于聚类-二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别     

渗流诱发套损机制与数值计算

油田套损是石油工程中的一大技术难题,多年来困扰着各油田。大量的现场调查和理论分析表明,油田套损与油藏渗流场动态变化密切相关。无论是剪切套损、拉伸套损还是挤压套损,都是渗流引起应力场调整,最终导致套管受力损伤。基于油藏流固耦合理论,分析了油田渗流诱发套损的机制,建立了油藏渗流-应力耦合计算的数学模型,并介绍了利用流固耦合进行套损预测计算的算例,对于套损防控具有重要的理论指导意义。     

ν-支持向量机洪水预报模型研究

为了提高洪水过程的非线性拟合能力和预报精度,对支持向量机洪水预报模型进行了深入研究。针对鸭绿江流域临江站的实际情况,建立了临江站洪水过程ν-SVR预报模型,采用1998~2014年间的大水年份降水资料和洪水过程资料对ν-SVR预报模型进行了率定和验证,并与线性动态系统模型、BP人工神经网络模型和ε-SVR模型进行了比较。结果表明:ν-SVR洪水预报模型比线性动态系统模型和BP人工神经网络具有较高的精度。ν-SVR洪水预报模型具有较好的非线性拟合能力和泛化能力,能很好地控制支持向量个数、降低模型的复杂程度,同时能保持良好的预报精度。     

基于粗糙集和支持向量机的融合算法在岩体质量评价中的应用

从数据融合角度出发,把粗糙集理论和支持向量机理论结合,用来解决隧道岩体质量评价问题。首先,应用粗糙集理论对岩体质量评价样本数据进行约简,去除冗余特征形成岩体质量影响因素与岩体质量之间简明扼要的关系数据表达形式,形成新的样本数据,然后应用支持向量机理论,对新样本数据进行学习,建立岩体质量的支持向量机评价模型。通过实际工程应用表明,该方法科学可行。      

进化-最小二乘支持向量机的边坡稳定性估计

针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。     

堆叠集成模型径流预报效果的影响因素研究

为了研究堆叠集成模型预报效果的可能影响因素,以安墩水流域为例,选择支持向量回归、多元线性回归、长短期记忆神经网络、前馈神经网络、梯度提升回归树、自回归积分滑动平均模型以及自适应增强算法作为基学习器,选择多元线性回归、支持向量回归、多层感知机作为元学习器,建立多个堆叠集成模型,并基于平均绝对误差、均方根误差、纳什效率系数构建综合评价指标,对各集成模型的预报效果进行了对比分析。研究表明,堆叠集成模型的预测效果与基学习器的数量无关,与基学习器的质量呈正相关关系。此外,不同的元学习器选择也会对堆叠集成模型的预测效果产生影响。该研究可为利用堆叠集成模型进行径流预报提供科学指导。     

岩爆分类的支持向量机方法

针对岩爆分类问题,提出了基于支持向量机的分类方法。通过对影响岩爆因素的分析,运用支持向量机理论建立岩爆类别的支持向量机模型。结果表明,基于支持向量机的岩爆分类方法具有较高的准确率,该方法是科学可行的,具有广泛的应用前景。     

基于遗传支持向量机的地下工程裂隙岩体注浆量预测

提出了地下工程裂隙岩体注浆量预测的遗传支持向量机方法,通过支持向量机对实际注浆数据样本进行学习,建立注浆量及其影响因素之间的非线性映射关系,基于这种关系实现注浆量的预测。模型建立过程中,考虑到支持向量机惩罚因子和核参数对预测精度的影响,以预测误差为适应度,采用遗传算法对最佳参数进行搜索。结果表明,本文方法计算快速,预测精度高,是一种注浆量预测的好方法。     

大庆油田萨南开发区套管损坏机理研究

对大庆油田萨南开发区近30年的套损情况进行了统计,分析了套管损坏的主要特点及套损原因.指出套管损坏与地层压力变化有密切关系.针对不同地质条件,提出了控制套管损坏的主要方法.     

基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.     

基于蚁群优化最小二乘支持向量机模型的边坡稳定性分析

边坡稳定性与其影响因素之间存在着复杂的非线性关系。通过分析影响边坡稳定性的主要因素,采用支持向量机建立边坡稳定性和影响因素之间的非线性关系;同时,考虑到支持向量机参数对预测效果的影响,采用连续蚁群算法对其进行优化选择,从而提出边坡稳定性预测的蚁群优化支持向量机模型。锦屏一级右岸拱肩槽部位谷坡为顺向坡,绝大部分基岩裸露,自然边坡为大理岩边坡,现状稳定。结合锦屏一级右岸拱肩槽边坡,采用蚁群优化支持向量机模型对其稳定性进行预测分析,预测结果与实际情况吻合较好,说明蚁群优化支持向量机模型在边坡稳定性分析中具有良好的实际应用价值。     

岩溶地下河日流量预测的小样本非线性时问序列模型

针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地...     

基于支持向量机的岩体工程分级

提出了岩体工程分级的一种新方法,即支持向量机方法。该方法可以根据有限的学习样本,建立影响岩体级别的条件的因素和级别之间的一种非线性映射,可以对未知的岩体进行工程分级。结果表明,这种方法具有较高的准确率。     

辽河油田油水井套管损坏机理及修复措施

分析了辽河油田油水井套管损坏的原因，介绍了辽河油田几种较先进的套损检测方法，提出了几种常用的修复工艺，对辽河油田因地制宜地采取套管修复措施，恢复套损井的正常生产具有一定的借鉴意义。     

一种非饱和产流模型的探讨

在我国北方干旱或半干旱地区,产流预报曾用初损、入渗曲线法,并在作业预报方面,取得了一定的效果。采用这种产流预报的方法,一般绘制2张相关图,即前期影响雨量(P_α)～初损(I)和前期影响雨量(P_α)～历时(t)～入渗率(f)相关曲线,便可进行产流量的预报了。近年来,计算技术发展十分迅速。为了能够采用电子计算机进行作业预报,需对上述的产流预报方法,在理论上作进一步探讨,并建立起数学模式来表达非饱和产流的模型。     

桩基支护方式选择的新方法

针对深基坑施工中桩基支护方式的选择,以机器学习的新方法--支持向量机为工具,建立了桩基支护方式选择的支持向量机模型,并将该模型应用于具体的工程进行验证中。研究结果表明,该种方法是适应性较好的,具有很好的应用前景。     

基于灰色最小二乘支持向量机的边坡位移预测

利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。     

岩质边坡稳定性评价的粗糙集－支持向量机方法

结合粗糙集和支持向量机两种智能算法,建立了基于粗糙集与支持向量机的岩质边坡稳定性评价模型。首先根据有限的经验数据建立属性决策表,通过属性约算法找出影响边坡稳定性的关键因素;然后将所提取的关键信息训练支持向量机。本文以铁路沿线边坡为例,进行边坡稳定性验算,结果表明算法能有效降低边坡稳定性影响因素集数据维数及支持向量机的复杂程度,提高训练速度和泛化能力。