论文部分内容阅读
影响水驱开发油田产量的因素众多,针对常规产量预测方法无法考虑时序影响因素的非同步性以及滞后性,应用时间序列分析方法,结合卡尔曼滤波器(Kalman filter),建立考虑因素动态关系的产量ARIMA-Kalman滤波器时间序列模型.根据历史产量数据建立时间序列中的产量差分自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型;再将ARIMA模型与Kalman滤波器相结合,构建产量预测算法;以实例油田资料开展机器学习和数据挖掘,并采用数据拟合