基于灰狼算法的LSSVM模型预测凝析气藏露点压力研究

摘要：

针对凝析气藏露点压力预测准确性相对较低的问题,基于数据挖掘,提出了一种将灰狼算法(GWO)与最小二乘支持向量机(LSSVM)相结合的新模型(GWO-LSSVM模型).在Pearson关联性分析基础上,选取气藏温度、(C1、C2-C6、C7+)摩尔分数、C7+相对分子质量、C7+相对密度作为新模型的自变量,露点压力为因变量.采用公开发表的37个露点压力数据优化GWO-LSSVM模型参数(γ,σ2),然后对10组TLM油田实测露点压力数据进行预测.结果表明:GWO-LSSVM模型预测精度较高,平均绝对相对误差(AARD)仅为2.6％.最后,根据Leverage方法,进行了所有数据的异常点检测.本研究为凝析气藏露点压力预测提供了一种有效方法.

关键词：凝析气藏、露点压力、灰狼算法、LSSVM

所属期刊栏目：35

分类号：TE372(油气田开发与开采)

资助基金：国家"十三五"科技重大专项"塔里木盆地碳酸盐岩油气田提高采收率关键技术示范工程"2016ZX05053

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-83,90