基于ARIMA-Kalman滤波器数据挖掘模型的油井产量预测

摘要

影响水驱开发油田产量的因素众多,针对常规产量预测方法无法考虑时序影响因素的非同步性以及滞后性,应用时间序列分析方法,结合卡尔曼滤波器(Kalman filter),建立考虑因素动态关系的产量ARIMA-Kalman滤波器时间序列模型.根据历史产量数据建立时间序列中的产量差分自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型;再将ARIMA模型与Kalman滤波器相结合,构建产量预测算法;以实例油田资料开展机器学习和数据挖掘,并采用数据拟合及预测检验评价算法合理性,实现最终产量数据预测.研究结果表明,ARIMA-Kalman滤波器具有高效的时序影响因素的分析能力,能够排除非同步性和滞后性的影响,使识别出的产量时间序列模型具有精准的拟合结果和预测能力.该研究可为油田产量预测提供一种有效方法,为后续的油井开采提供决策和理论依据.