.png){kind=icon}
返回
Virtual flow metering using stacking ensemble techniques and nonlinear system identification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.fuel.2025.134893.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在石油生产系统中，数据驱动的虚拟流量计（VFMs）为预测多相流流量提供了一种可行的选择，以替代物理硬件或基于第一性原理的模型。尽管现有文献探讨了各种技术，但忽视了多模型策略和系统辨识方法。本研究通过采用堆叠泛化模型和黑箱系统辨识来解决这些研究空白，以提高产量预测的准确性。结合预拟合估计器的堆叠集成超越了所有评估的其他先进机器学习算法，在均方根误差（RMSE）方面，其优于最佳非线性模型5%至37%，优于顶级集成方法1.3%至4.5%。系统辨识被证明是评估最优滞后和时序依赖关系的高效方法，而堆叠集成通过合并不同的基础学习器改进了井产率预测，这些基础学习器在不同数据实例上可能表现更优。此外，自由模拟运行仅根据初始条件预测长期历史产量。本研究提出的策略通过堆叠多种基础学习器并优化模型阶数，提高了VFM模型的可靠性，为数据驱动型VFM估计器的设计提供了一种新颖的方法。
Keyword:
Oil and gas
Data-driven
Virtual flow meters
Machine learning
Stacking ensembles
System identification
期刊
IF:
7.5
论文数:
3.9W
被引数:
16.7W
机构
引用论文
Hybrid virtual flow metering on arbitrary well patterns for transient multiphase prediction driven by mechanistic and data model基于机理模型和数据模型驱动的瞬态多相流预测的任意井网混合虚拟流量计量
PREAI
分享收藏XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏A time patch dynamic attention transformer for enhanced well production forecasting in complex oilfield operationsENERGY
ENERGYIF9.4
PREAI
分享收藏An intelligent data-driven model for virtual flow meters in oil and gas development油气开发中虚拟流量计的智能数据驱动模型
PREAI
分享收藏分享收藏
查看更多内容