作者:王通; 段泽文; 李琨集成学习算法自适应建模误差率动液面泛化能力
摘要:针对单一模型软测量算法在动液面预测应用过程中存在泛化能力弱、自适应性差等问题,提出利用Ada Boost集成学习的思想,突出预测误差在建模样本权重及弱学习机权重中的作用,使之更加适合回归模型预测。针对油井工况动态多变导致软测量模型随生产进行逐渐失效的问题,提出利用油田生产过程中定期巡检的少量动液面数据评估原有集成模型,利用相似度原理在保留原有模型信息的基础上增加新信息,并在此基础上根据新样本权重更新弱学习机模型,集成为强学习机模型以动态适应新的油田生产工况。通过对油田生产现场实际数据验证结果表明,该方法对油田生产波动的自适应能力强,能够提高动液面软测量模型的泛化能力及预测精度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社