資源描述：
《混沌時間序列分析方法研究及其應用》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、溉沌黠閥序列分析方法研究及其廢尾掌ii嘲篇i罩—■■嘣掌i高i葺i——■宣黛嗣i警蔫一Illlr"I嵩暑薯i蔫嗣——警i#茹葛i掌—鼉宣茹_胃省——■瞄i；#葛鼉摘要對予洼田生產米說，要保證一個好鮑經濟效益，就必須有一個高豹、穩(wěn)定的產濁量。這是油田生產開發(fā)的中心任努。濁毆產撼預測是科學管理油田和制定經濟計劃的依據。目前，各油田已擁有一套憲善的包援單勢數據在內的油田產量數據管理系統(tǒng)，急需將這些數據利熠起來具體地指導油田的實際生產開發(fā)。油喇開發(fā)怒一個復雜的非線性動力學系統(tǒng)，油田產量變化愛多種因素控制，導致萁表現形式既有確定性又有隨視性。憨的來說，油
2、田產量預測是一個多因索菲線性預測同題。譬囂所采用靜油田產量預測方法的預掇相對誤差都在10％左右，并崴這些方法對油嬲開發(fā)過程的時變襤幫備琴幸隨瓿干擾毽索具有不適應性。因此，有必要供助予其它的分柝工具對}轡圍產量遂季亍預測。我們可以得到油田產量的歷史數據，可將遠些數據看成是時間序列并列用對問序列分析的方法對其進行建模及預測。本論文以油井產量時間序列為對象，對I也S算法、混沌時間序列性質漿剮方法、混沌時間序歹日預鍘方法等進行了深入細致的研究。論文首先分析RLS算法的慳能，在詫綦礎上為了提高收斂速度，提出一瓣改進的RLS算法，剝饜改進的RLS算法對菜油
3、田油井產量進行了建模及預測。通過對預測結果的分析發(fā)現RLS預測方法苓§％對灌勢產最邀行精確堍多步預測。其次，為了更好的了解油井產量時間序列地性質，利用相空間蓬掏方法煎構該序列的吸引予，并計算其維數和最大Lyapunov指數，指出油井產量時間序剜具有混沌特征。同時，針對偽近鄰算法效率低的缺點，提出一種快速偽近鄰法選擇嵌入維數的新方法，該方法可將源算法時間復雜度由從O(M(M-I))降低到O(3M)。再次，對訓練支持肉量枧的序列最小優(yōu)化方法進霉亍了深入研究，針對原算法選取工{乍集過于隨枧的缺點，提出一種基予遺傳算法選擇工作集的叛方法，該方法能夠保證
4、每次所選取的工作繁使得目標函數變化最大，從瑟使髫標函數盡快向極值收斂。仿真結果表明，該方法可大大加快訓練速度{同時，針對以往支持向麓機參數選取過于主觀的缺點，提出了基于遺傳算法方法選擇支持向量機參數的方法，仿真結果表明，這種新的參數選擇方法可在不明顯增加支持向量個數的基礎上減小泛純誤差。嗡爾濱工程大學搏士學位論文最后，在準確搽別油井產量時間序列性質的基礎上，提出用支持向量機方法預測油井產量，結果表明，無論是一步預測還是多步預測其預測效果明顯儻予RLS預溺方法。關鍵詞：時間序列{RLS算法；相空間重構；預測；支持向量機；混沌；油井產量混沌時間序列
5、分析方法研究及其應用AbstractThemostimporttaskforoilfieldiStoensureahighandstableoutput．Theaccuracyofpredictionisthebasisofoilfieldmanagement．Now,mostoilfieldshaveheldasetofoutputdataincludingsinglewelldata．AndtheyurgentlywanttOusethesedataforthedevelopmentofoilfield．Infact，theprocesso
6、foilfielddevelopmentisacomplicatednonlineardynamicsInoneword，thepredictionforoilfieldoutputisnonlinear．Atpresent，therelativecrieroftheexistingpredictionmethodsforoilfieldoutputisabout10％，andthesemethodsCannotfittostochasticnoises．Wehavetheoilfieldoutputdata，SOwecanusetimeser
7、iesanalysistoolformodelingandprediction。Theresearchobjectofthisthesisisthetimeseriesofsomeoilwellsoutputs．TheresearchfieldsofthethesisincludeRLSalgorithm，themethodsfordetectionchaosintimeseries，andthemethodsfortimeseriesprediction．“臧．thecharacteristicsofRLSalgorithma糟analyze
8、ddeepl弘andartimprovedRLSalgorithmisproposed．Withtheproposedalgorithm．oilwel
