公开(公告)号：CN110029986B

公开(公告)日：2021-08-17

申请号：CN201910302780.8

申请日：2019-04-16

Applicant: 东北大学

Inventor： 高宪文 ,  陈炳均 ,  王明顺 ,  侯延彬 ,  李翔宇

IPC: E21B47/047 ,  G06N3/00

Abstract: 本发明提出基于粒子群极限学习机的游梁式抽油机的动液面预测方法，包括：通过抽油井采集历史动液面数据；进行数据预处理；将测试数据输入到极限学习机模型中，得到极限学习机的动态液面预测值；将均方根误差作为粒子群算法的适应值；采用粒子群算法对极限学习机的参数输入层权值w和偏差b进行寻优，在全局范围内得到最优值；得到基于粒子群算法优化极限学习机的动态液面预测模型；将预处理后的待测试数据输入到基于粒子群算法优化极限学习机的动态液面预测模型中，得到待测试数据的预测结果。本发明相比较于使用仪器测量动液面，降低了动液面获取的费用，减少了由于在井口安装仪器造成的事故危险。通过实验证明本发明具有良好的预测效果。

公开(公告)号：CN110029986A

公开(公告)日：2019-07-19

申请号：CN201910302780.8

申请日：2019-04-16

Applicant: 东北大学

Inventor： 高宪文 ,  陈炳均 ,  王明顺 ,  侯延彬 ,  李翔宇

IPC: E21B47/047 ,  G06N3/00

Abstract: 本发明提出基于粒子群极限学习机的游梁式抽油机的动液面预测方法，包括：通过抽油井采集历史动液面数据；进行数据预处理；将测试数据输入到极限学习机模型中，得到极限学习机的动态液面预测值；将均方根误差作为粒子群算法的适应值；采用粒子群算法对极限学习机的参数输入层权值w和偏差b进行寻优，在全局范围内得到最优值；得到基于粒子群算法优化极限学习机的动态液面预测模型；将预处理后的待测试数据输入到基于粒子群算法优化极限学习机的动态液面预测模型中，得到待测试数据的预测结果。本发明相比较于使用仪器测量动液面，降低了动液面获取的费用，减少了由于在井口安装仪器造成的事故危险。通过实验证明本发明具有良好的预测效果。