冯中申（辽河油田兴隆台采油厂，辽宁 盘锦 124010）

用于动液面软测量的经验模态分解和高斯过程回归建模方法

冯中申（辽河油田兴隆台采油厂，辽宁 盘锦 124010）

动液面的软测量预测模型一直存在着预测精度不高、泛化能力差的缺点，针对上述问题本文提出基于经验模态分解和高斯过程回归相结合的算法对动液面进行预测，以提高模型的预测精度，满足实际的生产要求。

动液面；经验模态分解；高斯过程回归

动液面参数是油田生产指导的重要依据，传统的人工测量容易受到各种因素的影响，存在着实时性差、误差大的缺陷，而现有的动液面软测量模型又达不到较高的预测精度。本文提出基于经验模态分解[1]和高斯过程回归相结合的算法对动液面进行预测，以此改善模型的预测性能，提高预测精度。

1 辅助变量选取

软测量建模过程中，对于主导变量而言，辅助变量的选取是否合理直接关系到建模质量，影响模型的预测性能。在实际生产中，相关的可测变量有很多，如何选取辅助变量变得尤为重要。根据相关机理分析与先验知识得出：

其中，Ld为动液面深度；Pt是井口套压；Qr代表日产液量；泵效η；Δv为建模的动态项。所以，辅助变量选取为泵效、套压和日产液量。

2 建模样本数据处理

在油田的现场开采过程中，由于其复杂的生产环境影响，使得辅助变量的数据监测传感器在采集数据时难免受到噪声干扰。噪声对于建模数据的影响直接关系到建模质量，所以本文提出采用经验模态分解（EMD）的方法对数据进行去噪处理。……