基于随机森林算法的井下原油含水率软测量方法

摘要

井筒产出液实时测量是获得井下产液信息的关键步骤,是实现智能井的重要前提,但由于井下环境的复杂性,油水混合物状态本身的不确定性,缺少较好的方法能在井下较好地完成产出液各成分含量的计量.针对井下油、水两相混合计量的问题,提出了一种结合机器学习算法的井下原油含水率软测量方法.结合采油工程需要,可将原油含水率以10％的间隔划分成11个类别,将不同原油含水率对应的物理属性作为测量对象,利用随机森林算法对已知样本进行学习分类,得到原油物理属性与含水率之间的关系,进而实现对原油含水率的测量.最后,通过设计的室内实验,对提出的软测量方法进行了验证,结果表明利用该方法预测原油含水率,得到的结果与实验值一致,可以初步满足工程对井下原油含水率测量的需求,为井下测量提供一了种新的思路.