基于多元線性回歸的標(biāo)準(zhǔn)井泵功圖計(jì)算方法

魏軍

摘要：目前常用的井況分析手段是對(duì)油井泵功圖進(jìn)行分析診斷，但是目前常常是通過(guò)人工方式來(lái)對(duì)功圖情況進(jìn)行分析判斷，對(duì)功圖的智能判斷還不是十分成熟，這主要是因?yàn)闊o(wú)法確認(rèn)當(dāng)前功圖和正常功圖的誤差率，所以該文針對(duì)這一問(wèn)題，提出一種基于多元線性回歸的標(biāo)準(zhǔn)井泵功圖計(jì)算方法，用此方法可以通過(guò)計(jì)算機(jī)計(jì)算出標(biāo)準(zhǔn)井的泵功圖情況，以此作為和實(shí)際井況中的泵功圖情況對(duì)比分析的依據(jù)，就可以很快的對(duì)比出泵功圖是否存在異常情況。

關(guān)鍵詞：多元線性回歸；泵功圖

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）26-6181-03

Abstract： At present， the well condition analysis method is commonly used for analysis and diagnosis of oil well pump diagrams， but there is often by artificial means to analyze and judge on the diagram， the intelligent judgment of the diagram is not very mature， this is mainly because of unable to confirm the error current diagram and diagram of the normal rate， so this paper this problem， we propose a new method to calculate the standard well pump multiple linear regression based on the diagram， we can use this method to calculate by computer pump diagrams of standard well， as the analysis of pump dynamograph comparison and actual situations in the basis， can quickly compare whether pump dynamograph the existence of abnormal situation.

Key words： Multiple linear regression； pump dynamograph

1 概述

在油田生產(chǎn)開(kāi)發(fā)過(guò)程中，常常出現(xiàn)單井異常，如何有效的發(fā)現(xiàn)和處理油井異常情況成為油田生產(chǎn)過(guò)程中的重要內(nèi)容，所以目前常用的井況分析手段是對(duì)油井泵功圖進(jìn)行分析診斷，但是目前常常是通過(guò)人工方式來(lái)對(duì)功圖情況進(jìn)行分析判斷，對(duì)功圖的智能判斷還不是十分成熟，這主要是因?yàn)闊o(wú)法確認(rèn)當(dāng)前功圖和正常功圖的誤差率[1]。該文針對(duì)這一問(wèn)題，提出一種基于多元線性回歸的標(biāo)準(zhǔn)井泵功圖計(jì)算方法，用此方法可以通過(guò)計(jì)算機(jī)計(jì)算出標(biāo)準(zhǔn)井的泵功圖情況，以此作為和實(shí)際井況中的泵功圖情況對(duì)比分析的依據(jù)，就可以很快的對(duì)比出泵功圖是否存在異常情況。

2 多元線性回歸原理

5 結(jié)束語(yǔ)

本文提出一種基于多元線性回歸的標(biāo)準(zhǔn)井泵功圖計(jì)算方法，用此方法可以通過(guò)計(jì)算機(jī)計(jì)算出標(biāo)準(zhǔn)井的泵功圖情況，以此作為和實(shí)際井況中的泵功圖情況對(duì)比分析的依據(jù)，就可以很快的對(duì)比出泵功圖是否存在異常情況。對(duì)油井異常進(jìn)行有效的診斷，為之后的優(yōu)化方案的給出做出決策參考依據(jù)，具有很好的應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1] M. Pensky ， P. Ni.Extended linear empirical bayes estimation [J].Communications in Statistics-Theory and Methods，2000，3：579-592.

[2] Pravin Chandra.Sigmoidal Function Classes for Feedforward Artificial Neural Networks[J].Neural Processing Letters，2004，3：205-215.

[3] Michael Gilichinsky，Janne Heiskanen，Andreas Barth，J?Rgen Wallerman，Mikael Egberth，Mats Nilsson.Histogram matching for the calibration of kNN stem volume estimates[J]. International Journal of Remote Sensing，2012，22：7117-7131.

[4] Vapnik，Golowich，Smola.Support vector method for function approximation， regression estimation and signal processing[J].Advance neural information process system，1997（3）：281-287.

[5] 李志超，劉志斌，趙正文.油田產(chǎn)量監(jiān)控預(yù)測(cè)預(yù)警系統(tǒng)[J].石油工業(yè)計(jì)算機(jī)應(yīng)用，2008，60（4）：30-31.

[6] 常彥榮，李允，彭炎，等.油田生產(chǎn)產(chǎn)量監(jiān)控體系及預(yù)警系統(tǒng)[J].西南石油學(xué)院學(xué)報(bào)，2006，28（3）：34-37.

[7] 王惠文，孟潔.多元線性回歸的預(yù)測(cè)建模方法[J].北京航空航天大學(xué)學(xué)報(bào)，2007（4）：500-504.

[8] 黃培之.具有預(yù)測(cè)功能的曲線矢量數(shù)據(jù)壓縮方法[J].測(cè)繪學(xué)報(bào)，1995（4）：316-320.

[9] 張鵬.基于主成分分析的綜合評(píng)價(jià)研究[D].南京：南京理工大學(xué)碩士論文，2004.

[10] 高銀中.用示功圖計(jì)算抽油機(jī)井井口產(chǎn)液量方法研究[D].北京：北京交通大學(xué)碩士論文，2007.