[发明专利]基于改进EMD的MLR油井产量预测方法

权利要求书

1.基于改进EMD的MLR油井产量预测方法，其特征在于，该基于改进EMD的MLR油井产量预测方法包括：

步骤1，获取历史油井单井产油量数据；

步骤2，对历史油井单井产油量数据进行预处理，包括零值消除、EMD分解和对每个分量分别进行特征工程；

步骤3，用MLR算法分别预测各个分量；

步骤4，将分量预测结果加总得到最终的油井产油量预测结果。

2.根据权利要求1所述的基于改进EMD的MLR油井产量预测方法，其特征在于，在步骤1中，获取历史油井单井日度或月度产油量数据。

3.根据权利要求1所述的基于改进EMD的MLR油井产量预测方法，其特征在于，在步骤2中，现场采集到的数据多有零值，如果直接将零值给到预测算法的模型进行训练，将会对预测算法模型的训练造成困扰，因此，数据预处理的第一步是识别零值并将其删除。

4.根据权利要求1所述的基于改进EMD的MLR油井产量预测方法，其特征在于，在步骤2中，采用EMD对删除零值后的原始时间序列记作O(t)，进行分解的过程如下：

步骤21:将O(t)赋值给L(t)，拟合L(t)的上下包络线；

步骤22：计算上下包络线的均值m_k(t)；

步骤23：将L(t)减去上下包络线的均值得到临时分量T_k(t)：

T_k(t)＝L(t)-m_k(t)

更新尚未分解出的那一层IMF为T_k(t)；

步骤24：判断临时分量T_k(t)是否满足IMF筛分停止条件，若否则继续进行步骤21到步骤23的筛分，若是则停止该层IMF的筛分；

步骤25：重复上述步骤，最终筛选出n_IMF即实际EMD分解的层数个分量：

重复上述步骤直至分解出N_IMF个IMF，其中：

N_IMF＝log₂LEN

LEN为L(t)的长度；N_IMF是理论上EMD分解的最大层数；但最终实际分解出的分量个数可能小于N_IMF，原因在于步骤24中直接跳至步骤26的那种情况；

步骤26：获取残差项：

此时的L(t)即为最终的残差项Res(t)；且若直接由步骤24跳至该步骤，则需删除最新更新的那一层IMF；

综上所述，上述过程将原始序列分解成了n_IMF个IMF和一个残差项：

5.根据权利要求4所述的基于改进EMD的MLR油井产量预测方法，其特征在于，在步骤21中，拟合具体过程如下：

第一步：获取除端点外的研究对象的局部极值；

第二步：斜率延拓法确定包络线端点值；

第三步：上、下包络线拟合基准点集合的确定；

第四步：三次样条函数插值拟合。

6.根据权利要求1所述的基于改进EMD的MLR油井产量预测方法，其特征在于，在步骤2中，对每个分量分别进行特征工程预处理时，先进行二维时延数据集构造，再用Spearman相关性分析进行特征筛选，最终得到预测模型所要使用的二维输入数据。

7.根据权利要求6所述的基于改进EMD的MLR油井产量预测方法，其特征在于，在步骤2中，用Spearman相关性分析进行特征筛选时，分别对上述构造出的各个分量的时延数据集进行Spearman相关性分析，设置相关性系数阈值seuil，之后，通过对比各特征与原始分量序列的相关性系数大小，分以下两种情况进行特征筛选：

(1)若存在相关性系数≥seuil的特征：则特征筛选结果仅保留这些特征；

(2)若不存在相关性系数≥seuil的特征：则按照相关性系数大小将特征从大到小排序，保留相关性较大的特征，保留比例为per。