基于Weka的Apriori算法在原油產(chǎn)量預(yù)測(cè)中的應(yīng)用

張瑞智++師雪雪

摘要：影響原油產(chǎn)量的因素是多方面的，這些因素和產(chǎn)量之間具有非線性關(guān)系，采用通常的數(shù)學(xué)方法很難對(duì)原油產(chǎn)量進(jìn)行分析和預(yù)測(cè)。本文提出一種使用Apriori算法在Weka環(huán)境下進(jìn)行原油預(yù)測(cè)的新方法。首先對(duì)某采油廠歷年的月度生產(chǎn)相關(guān)數(shù)據(jù)使用K-Means算法進(jìn)行數(shù)據(jù)預(yù)處理，得到事務(wù)數(shù)據(jù)集，再對(duì)其使用Weka平臺(tái)下的Apriori算法進(jìn)行關(guān)聯(lián)分析，最后根據(jù)給定的最小支持度和最小置信度，篩選出與原油產(chǎn)量相關(guān)的強(qiáng)關(guān)聯(lián)規(guī)則。使用這些強(qiáng)關(guān)聯(lián)規(guī)則對(duì)采油廠未來幾個(gè)月的原油產(chǎn)量進(jìn)行預(yù)測(cè)，經(jīng)過驗(yàn)證對(duì)比，該方法計(jì)算簡(jiǎn)單，運(yùn)算效率高，預(yù)測(cè)結(jié)果準(zhǔn)確。

關(guān)鍵詞：原油產(chǎn)量預(yù)測(cè)；Apriori 算法；K-Means算法；關(guān)聯(lián)規(guī)則；Weka

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）06-0260-02

1 概述

準(zhǔn)確地預(yù)測(cè)油氣產(chǎn)量對(duì)于油氣田開發(fā)生產(chǎn)十分重要。目前進(jìn)行原油產(chǎn)量預(yù)測(cè)的方法有多種，其中最常用的有數(shù)值模擬法[1]、BP神經(jīng)網(wǎng)絡(luò)法[2]、灰色理論法[3]等。但是，數(shù)值模擬法和神經(jīng)網(wǎng)絡(luò)算法所需參數(shù)較多，計(jì)算過程復(fù)雜；灰色理論選取的相關(guān)信息不全，預(yù)測(cè)結(jié)果精度較差。而關(guān)聯(lián)規(guī)則挖掘算法在處理非線性模式識(shí)別方面表現(xiàn)突出，在石油開發(fā)生產(chǎn)領(lǐng)域有著很好的應(yīng)用前景。

本文提出一種在Weka[5]環(huán)境下利用經(jīng)典關(guān)聯(lián)規(guī)則算法Apriori[6]算法來對(duì)原油產(chǎn)量進(jìn)行預(yù)測(cè)的算法。Apriori算法使用一種被稱為逐層搜索的迭代方法，根據(jù)給定的最小支持度，找出與原油產(chǎn)量相關(guān)的頻繁項(xiàng)集，再根據(jù)最小置信度，得出與原油產(chǎn)量相關(guān)的強(qiáng)關(guān)聯(lián)規(guī)則。運(yùn)用這些強(qiáng)關(guān)聯(lián)規(guī)則對(duì)原油產(chǎn)量進(jìn)行預(yù)測(cè)，該方法計(jì)算方法簡(jiǎn)單，運(yùn)算效率高。

2 理論知識(shí)介紹

2.1 Weka軟件介紹

Weka是懷卡托智能分析環(huán)境的英文字收縮寫，是一種使用Java語言編寫的數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)軟件。它包含一套完整的數(shù)據(jù)處理工具、學(xué)習(xí)算法和評(píng)價(jià)方法，擁有數(shù)據(jù)可視化的圖形用戶界面，業(yè)界內(nèi)得到廣泛贊譽(yù)。

Weka系統(tǒng)包括回歸、分類、聚類、關(guān)聯(lián)規(guī)則以及屬性選擇等數(shù)據(jù)挖掘方法。輸入數(shù)據(jù)可以有兩種形式，第一種是讀取ARFF格式文件；第二種是讀取數(shù)據(jù)庫。本文主要使用的Weka系統(tǒng)提供的Apriori算法在ARFF文件上進(jìn)行數(shù)據(jù)挖掘。

2.2 Apriori算法介紹

Apriori[8]算法是由Rakesh Agrawal 和Rnamakrishnam Srikant提出的關(guān)聯(lián)規(guī)則的原創(chuàng)性算法。它基于頻繁項(xiàng)集的先驗(yàn)性質(zhì)：任意頻繁項(xiàng)集中的全部非空子集必也一定是頻繁的。主要分為兩個(gè)過程：生成頻繁項(xiàng)集和產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。

（1） 生成頻繁項(xiàng)集：它需要經(jīng)歷兩步：1） 連接步：通過將頻繁項(xiàng)集Lk-1 （k>1） 與自身連接產(chǎn)生候選k項(xiàng)集的集合，該候選集記為Ck。2） 剪枝步：Ck是Lk的超集。逐個(gè)分析Ck中項(xiàng)根據(jù)是否滿足最小支持度計(jì)數(shù)min_sup進(jìn)行剪枝。剪枝后的得到的項(xiàng)集就是頻繁項(xiàng)集。

（2） 生成關(guān)聯(lián)規(guī)則：1） 對(duì)于每個(gè)頻繁項(xiàng)集Lk，生成Lk的所有非空子集； 2） 對(duì)于Lk的每個(gè)非空子集s，如果[support_count（Lk）support_count（S）≥min_conf]， 則輸出規(guī)則[S?（LK-S）]，其中，min_conf是最小置信度閾值。

由于關(guān)聯(lián)規(guī)則由頻繁項(xiàng)集產(chǎn)生，因此每個(gè)規(guī)則都自動(dòng)地滿足最小支持度。頻繁項(xiàng)集和它們的支持度可以預(yù)先存放在散列表中，使得它們可以被快速的訪問。

3 Apriori算法預(yù)測(cè)原油產(chǎn)量的實(shí)例

3.1 基本目的

原油生產(chǎn)過程非常復(fù)雜，與原油生產(chǎn)相關(guān)的數(shù)據(jù)很多，可以利用這些相關(guān)數(shù)據(jù)來預(yù)測(cè)原油產(chǎn)量數(shù)據(jù)。應(yīng)用關(guān)聯(lián)規(guī)則分析某采油廠生產(chǎn)相關(guān)數(shù)據(jù)，主要指分析采油用電、注水用電、集輸用電、注水量、原油產(chǎn)量等數(shù)據(jù)，可發(fā)現(xiàn)這些數(shù)據(jù)之間存在一些強(qiáng)關(guān)聯(lián)規(guī)則，能為采油廠預(yù)測(cè)原油產(chǎn)量提供決策支持。比如強(qiáng)關(guān)聯(lián)規(guī)則{采油用電 （680.1萬 kW h，692.2萬kW h） ，注水量 （36萬[m3]，37.8萬[m3]） }[?]原油產(chǎn)量（10.2萬噸，10.4噸）}[support=15%，confidence=100%]，表明若該采油廠的采油用電量位于680.7萬kW h和692.2萬kW h之間，注水量位于36萬[m3]和37.8萬[m3]之間，則原油產(chǎn)量預(yù)測(cè)值在10.2萬噸和10.4萬噸之間。

3.2 原始數(shù)據(jù)集的建立

本文從某采油廠用電數(shù)據(jù)庫和原油產(chǎn)量數(shù)據(jù)庫中抽取了1990年1月至2013年12月共288條月度數(shù)據(jù)，包括采油用電量、集輸用電量、注水用電量、注水量、原油產(chǎn)量5類數(shù)據(jù)，然后把這些數(shù)據(jù)在邏輯上實(shí)現(xiàn)整合，進(jìn)行缺失數(shù)據(jù)填充和異常數(shù)據(jù)篩選、修正等數(shù)據(jù)預(yù)處理工作，得到原始數(shù)據(jù)集。如表1所示。

3.3 原始數(shù)據(jù)集預(yù)處理

由于這些數(shù)據(jù)是月度生產(chǎn)相關(guān)數(shù)據(jù)，從表1中可以看出，原始數(shù)據(jù)集中每列數(shù)據(jù)的數(shù)值大小相近，連續(xù)性強(qiáng)，區(qū)分度不夠，不利于使用關(guān)聯(lián)規(guī)則算法分析數(shù)據(jù)。因此要對(duì)這些數(shù)據(jù)進(jìn)行離散化處理。本文使用K-Means聚類算法實(shí)現(xiàn)采油廠原始數(shù)據(jù)集的離散化處理。

K-Means方法對(duì)于空間中的N個(gè)樣本點(diǎn)，根據(jù)一定的距離函數(shù)和準(zhǔn)則函數(shù)，將其劃分為K個(gè)簇。各個(gè)簇之間區(qū)別明顯而簇內(nèi)的樣本點(diǎn)相似度很高，分布緊密。在具體對(duì)采油廠原始數(shù)據(jù)集進(jìn)行處理時(shí)，因所有數(shù)據(jù)項(xiàng)都是連續(xù)性的數(shù)據(jù)值，故采用的方法一致，現(xiàn)只對(duì)采油用電數(shù)據(jù)離散化過程進(jìn)行介紹。

第一步將采油用電數(shù)據(jù)從原始數(shù)據(jù)集中抽取出來作為樣本；第二步在Matlab上運(yùn)用K-Means算法，設(shè)K值為4，將連續(xù)性的樣本數(shù)據(jù)離散為4個(gè)等級(jí)。采油用電數(shù)據(jù)離散化結(jié)果如圖1所示。

按照上述方法，可以得出采油用電（CYYD）、集輸用電（JSYD）、注水用電（ZSYD）、注水量（ZSL）、原油產(chǎn)量（CYCL）的事務(wù)數(shù)據(jù)集代碼轉(zhuǎn)化表[10]。如表2所示。

3.4 使用Weka軟件進(jìn)行處理

（1） 把上述事務(wù)數(shù)據(jù)集轉(zhuǎn)化代碼表存放到Apriori.Arff文件中。如下圖所示

（2） 在Weka Explorer視圖中，點(diǎn)擊Open file 找到 Apriori.Arff文件，再點(diǎn)擊”Associate”，進(jìn)行參數(shù)設(shè)置。其中l(wèi)owerBoundMinSupport設(shè)為0.1，metricType設(shè)為Confidence，minMetric設(shè)為0.9，點(diǎn)擊start。獲得如下圖所示的關(guān)聯(lián)規(guī)則。

選取其中的有用規(guī)則7，它表示在采油廠月度采油用電達(dá)到 （627.1萬kW h，683.9萬kW h），注水用電達(dá)到（277.9萬kW h，303.4萬kW h），注水量達(dá)到 （40.86萬[m3]，42.91萬[m3]）的前提下，原油產(chǎn)量達(dá)到（10.78萬噸，11.41萬噸） 區(qū)間的可能性為百分之百。

3.5 預(yù)測(cè)實(shí)例

選取該采油廠2014年1月到6月的采油用電、集輸用電、注水用電、注水量四類數(shù)據(jù)，運(yùn)用Apriori算法產(chǎn)生的強(qiáng)關(guān)聯(lián)規(guī)則，預(yù)測(cè)出該廠1月到6月的原油產(chǎn)量所在區(qū)間，再與2014年1月到6月原油產(chǎn)量的實(shí)際值作比較，發(fā)現(xiàn)實(shí)際原油產(chǎn)量值位于預(yù)測(cè)原油產(chǎn)量區(qū)間的可能性達(dá)到100%。原油產(chǎn)量預(yù)測(cè)結(jié)果與實(shí)際值比較如表6所示。

4 結(jié)論

Apriori關(guān)聯(lián)規(guī)則分析算法提供了一個(gè)新的原油產(chǎn)量預(yù)測(cè)方法。隨著采油廠月度生產(chǎn)相關(guān)數(shù)據(jù)的逐漸增多，通過使用K-Means聚類算法，這些數(shù)據(jù)的離散化等級(jí)區(qū)分度會(huì)更明顯，得出的強(qiáng)關(guān)聯(lián)規(guī)則各因素的區(qū)間范圍會(huì)更小，從而使得預(yù)測(cè)結(jié)果更精確。不過隨著油田開發(fā)時(shí)間的增長(zhǎng)，會(huì)出現(xiàn)影響原油產(chǎn)量的其他因素，比如開井?dāng)?shù)、氣溫等，影響預(yù)測(cè)結(jié)果，因此增加油田生產(chǎn)相關(guān)數(shù)據(jù)的數(shù)據(jù)量和查找影響原油產(chǎn)量的其他因素將是下一步的研究方向。

參考文獻(xiàn)：

[1] 姚志剛. 改進(jìn)的Logistic模型在原油產(chǎn)量預(yù)測(cè)中的應(yīng)用[J].油氣地質(zhì)與采收率，2010，17（3）：93-94，98.

[2] 周彩蘭， 劉敏. BP神經(jīng)網(wǎng)絡(luò)在石油產(chǎn)量預(yù)測(cè)中的應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào)，2009，31（3）：125-129.

[3] 李德慶. 利用GM（1，1） 模型群預(yù)測(cè)石油產(chǎn)量[J].油氣地質(zhì)與采收率，2008，15（5）：82-8.

[4] 陳惠萍，林莉莉，王建東，等. WEKA數(shù)據(jù)挖掘平臺(tái)及二次開發(fā)[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（19）：76-79.

[5] 吳學(xué)雁， 莫贊. 基于Apriori算法的頻繁項(xiàng)集挖掘優(yōu)化方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，23（6）：124-129.

[6] （加）Jiawei Han， Micheline Kamber著. 數(shù)據(jù)挖掘概念與技術(shù)[M].范明，孟小峰，譯.北京：機(jī)械工業(yè)出版社，2007：146-161 .

[7] 劉華婷，郭仁祥，姜浩. 關(guān)聯(lián)規(guī)則挖掘Apriori算法的研究和改進(jìn)[J].計(jì)算機(jī)應(yīng)用與軟件，2009，26（1）：146-149.

[8] 谷俊杰， 王為力， 李家川， 等. 關(guān)聯(lián)規(guī)則挖掘在電站運(yùn)行優(yōu)化中的運(yùn)用[J].電站系統(tǒng)工程， 2009，25（1）：8-10.