【摘 要】
：
针对现有单井产液量预测方法的局限性,从地质、压裂、开发等3个方面考虑,选取影响单井产量的12种影响因素,采用相关向量机(RVM)对多因素影响下的单井产量数据进行回归,并利用增强鲸鱼算法(IWOA)对RVM模型进行优化,建立IWOA-RVM的单井产量预测模型.在低渗透油田进行了实例分析和模型对比,结果表明,IWOA-RVM模型可以处理各影响因素之间的非线性、非正态关系,与BP、IWOA-ELM和SVM模型相比,其RMSE最小,MAPE最小,训练时间最短.该模型在预测低渗透油田油井产量上具有一定的科学性和有效
【机 构】
：
中国石油天然气股份有限公司华北油田分公司开发部,河北 任丘,062550
论文部分内容阅读
针对现有单井产液量预测方法的局限性,从地质、压裂、开发等3个方面考虑,选取影响单井产量的12种影响因素,采用相关向量机(RVM)对多因素影响下的单井产量数据进行回归,并利用增强鲸鱼算法(IWOA)对RVM模型进行优化,建立IWOA-RVM的单井产量预测模型.在低渗透油田进行了实例分析和模型对比,结果表明,IWOA-RVM模型可以处理各影响因素之间的非线性、非正态关系,与BP、IWOA-ELM和SVM模型相比,其RMSE最小,MAPE最小,训练时间最短.该模型在预测低渗透油田油井产量上具有一定的科学性和有效性.
其他文献
本刊讯(通讯员于营丽)英国石油公司(bp) 2022年3月发布《2022年能源展望》,报告指出,未来可再生能源快速扩张,化石燃料重要性逐渐下降,全球能源市场会发生根本性重组,减排技术和投资需进一步加强.
[目的]TensorFlow是人工智能领域最具代表性的深度学习框架.国产加速设备需要一个支持OpenCL的TensorFlow才能发挥其加速性能,为此需要将TensorFlow框架下的CUDA代码向OpenCL转换.如何验证OpenCL核函数的正确性,是研发任务面对的重要问题.[方法]基于TensorFlow动态链接库自定义算子和raw_ops测试接口,本文提出了一套OpenCL核函数的测试解决方案,包括自定义算子的源码设计规范、测试代码规范、代码审核方法和测试流程.[结果]本文实现了对135个OpenC
本刊讯(通讯员李若思?王玮琳?周大通?周希唯)第40届剑桥能源周(CERAWeek)会议于2022年3月7日—11日在美国得克萨斯州休斯敦市召开,会议主题为变化的步伐:能源、气候和创新.
基于现行立法规定的多元起诉主体,本着有利于环境公益诉讼开展、解决诉讼冲突、避免司法资源浪费的原则,依据相应的设立标准,让最合适的主体有机会提起环境民事公益诉讼.首先,设置行政执法前置程序,实现司法权与行政权关系的协调融合.其次,按照环境损害结果的严重程度将案件范围二分,在此基础上根据顺位设计的标准合理划定三类主体的起诉顺位.具体而言,针对严重或者较为严重地破坏生态环境的案件,宜采取“行政机关优先,环保公益组织次之,检察机关补充”的模式;对于损害结果严重程度较低的案件,则宜采取“行政机关、环保公益组织不分次
本刊讯(通讯员程熙琼)日本能源经济研究所3月18日发布报告称, 俄乌冲突让地缘政治的重要性再次被推升.由于俄罗斯在全球石油和天然气出口的份额分别占1/10和1/4,引发了世界油气市场强烈震荡.
生态安全是生态系统的健康完整,并且能为人类生存发展及社会发展提供良好支撑和保障能力的状态.青海梭梭林国家级自然保护区以保护高原荒漠生态系统为目标,但该保护区存在区域划定不合理、界限不清晰、管理工作滞后、补偿机制存在弊端等问题.保障青海地区生态安全需要从完善国家级自然保护区划定或调整的前期调研与规范体系、改善水资源利用与分配机制、强化生态安全预警机制以及建立切实可行的生态补偿机制入手,保障西部生态安全,进而维护国家安全.
运用空间杜宾及耦合模型,基于绿色可持续发展视角探讨伴随工业发展、资源环境压力的时空演化特征.研究表明:我国东西部资源环境压力差距较小,研究范围内全国平均值由0.29681降为0.27396;资源环境压力与工业发展整体处于解耦状态;从空间计量回归效应来看,工业发展和外商直接投资的外溢效应使得资源环境压力提升,而经济发展水平、城市化进程、科技水平则能缓解资源环境压力.未来发展中应继续推进产业结构优化升级,走可持续发展、高质量发展的道路.
本研究通过随机问卷调查法,全面调研了湘西北地区石门县罗坪乡的垃圾产生特性和分类处理现状,结果表明,该乡村民生活垃圾具有人均产生量低、厨余垃圾占比偏高和可回收垃圾占比低等特性.考虑该地区的实际情况,提出了村级宣传引导、屋场培训、激励约束的村民生活垃圾综合治理模式,因地制宜地建立农户和村庄垃圾收运体系,屋场监管和村级主导的设施维护机制.
业界众所周知,新一代人工智能技术以深度学习为代表,而深度学习的开发离不开深度学习框架的支持.目前的深度学习开源框架百花齐放,有数十种之多,从早期的caffe、theano到主流的TensorFlow、PyTorch、MXNet等,越来越多的科技巨头公司加入到机器学习框架的研发中,国内也有百度的PaddlePaddle、华为的MindSpore等.但得益于良好的开发生态和早期的布局,目前在产业界和学术界占据主导地位的仍是谷歌的TensorFlow与Facebook的PyTorch这两大开源框架.
[目的]介绍了基于可编程网络的UPF边缘调度机制,在开源网络操作系统中实现了网元功能和UPF网元统一调度.该方式旨在实现UPF网元下沉到边缘开放网络设备上,形成UPF网元在边缘场景下和可编程网络融合.现有的网络设备大多数只提供有限的网络接入方式和网络功能,面向边缘场景多样性需求,现有的网络接入和资源调度方式难以满足场景需求.[方法]从目前主流的开源网络操作系统SONiC出发,基于容器技术实现网络功能的编排调度能力以及UPF的集成方法,阐述了以云原生方式来实现SONiC和UPF融合资源调度方案.[结果]基于