王 颖,朱刘涛,童 勤,张 强

(东北石油大学 计算机与信息技术学院,大庆 163318)

采油速度是衡量油田开发速度和产能的关键指标,其大小是油藏的年产量与地质储量的比值,是油田开发过程中必不可少的生产指标.储层构造特征和物性特征、流体性质、井网部署情况、国家政策以及油价都会对采油速度产生影响[1].采油速度过低会增加生产成本,采油速度过高可能会导致含水快速上升、驱油效率下降,因此,确定油田合理的采油速度对油田高效开发意义重大.目前计算合理采油速度的常用方法主要有静态影响因素分析法、动态影响因素分析法、数值模拟法、类比法、线性回归法、多元逐步回归法和数理统计等[2,3],这些预测方法多是以公式的形式进行表述.文献[4]利用含水率分流方程,建立了采油速度与油藏特征、含水率、含水饱和度及含水上升速度等影响因素的关系表达式,但预测效果受限于参与拟合数据的质量.支持向量回归机是建立在统计学习理论基础上的学习算法,与神经网络等算法相比具有更好的性能[5],但实际应用中样本数据含有多源异构信息,采用单一核函数无法发现数据中隐含的复杂规律,进而准确地描述数据的内在特性,增强决策函数的可理解性[6].已有理论研究及应用表明,多个核函数的优化组合代替单个核函数能增强决策函数的可解释性,并能使支持向量回归机获取更优的性能[7,8].本文提出基于改进……