本發(fā)明屬于天然氣生產(chǎn)，涉及一種基于集成樹的智能氣井異常檢測方法及系統(tǒng)。

背景技術：

1、排水采氣工作量呈逐年遞增趨勢，平均每位技術人員全年需消耗9.3天進行參數(shù)調(diào)整，普遍存在氣井動態(tài)分析強度大、異常氣井判別及自動化措施調(diào)參不及時、措施制度調(diào)整效率低等問題，影響氣田措施有效率。因此有必須要結合氣井開發(fā)指標及生產(chǎn)參數(shù)，開展氣井生產(chǎn)動態(tài)的智能分析及異常判識研究，建立有效的氣井動態(tài)分析大數(shù)據(jù)算法，降低人員管理工作量。

技術實現(xiàn)思路

1、本發(fā)明的目的在于解決現(xiàn)有技術中氣井管理工作量大，氣井異常判識不及時、措施制度調(diào)整有效率低的問題，提供一種基于集成樹的智能氣井異常檢測方法及系統(tǒng)。

2、為達到上述目的，本發(fā)明采用以下技術方案予以實現(xiàn)：

3、本發(fā)明提出的一種基于集成樹的智能氣井異常檢測方法，包括如下步驟：

4、對時間序列形式的采氣數(shù)據(jù)進行轉(zhuǎn)換，獲取有效氣井數(shù)據(jù)；

5、采用最大信息系數(shù)對有效氣井數(shù)據(jù)進行特征提取，獲取特征向量；

6、對特征向量進行處理，得到異常檢測模型，實現(xiàn)氣井異常檢測。

7、優(yōu)選地，對時間序列形式的采氣數(shù)據(jù)進行轉(zhuǎn)換前，先進行數(shù)據(jù)缺失值處理。

8、優(yōu)選地，利用集成樹算法對特征向量進行訓練，得到異常檢測模型。

9、優(yōu)選地，集成樹算法的學習目標函數(shù)如下：

10、

11、其中，l(yi,xi)是樣本xi的訓練損失，ω(fk)是正則項。

12、優(yōu)選地，集成樹算法的學習目標函數(shù)的損失函數(shù)如下：

13、

14、其中，ij為分類節(jié)點的特征集，ij＝{i∣q(xi＝j)}。

15、優(yōu)選地，正則項ω(fk)的獲取方法如下：

16、

17、其中，t是樹模型中葉節(jié)點的總數(shù)，wj是相應葉節(jié)點的權重，α和λ均是懲罰系數(shù)。

18、優(yōu)選地，葉節(jié)點為沒有子節(jié)點的節(jié)點。

19、本發(fā)明提出的一種基于集成樹的智能氣井異常檢測系統(tǒng)，包括：

20、數(shù)據(jù)轉(zhuǎn)換模塊，所述數(shù)據(jù)轉(zhuǎn)換模塊用于對時間序列形式的采氣數(shù)據(jù)進行轉(zhuǎn)換，獲取有效氣井數(shù)據(jù)；

21、特征提取模塊，所述特征提取模塊用于采用最大信息系數(shù)對有效氣井數(shù)據(jù)進行特征提取，獲取特征向量；

22、特征向量處理模塊，所述特征向量處理模塊用于對特征向量進行處理，得到異常檢測模型，實現(xiàn)氣井異常檢測。

23、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行計算機程序時實現(xiàn)基于集成樹的智能氣井異常檢測方法的步驟。

24、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)基于集成樹的智能氣井異常檢測方法的步驟。

25、與現(xiàn)有技術相比，本發(fā)明具有以下有益效果：

26、本發(fā)明提出的一種基于集成樹的智能氣井異常檢測方法，氣井數(shù)據(jù)是一種隨時間不斷變化的序列數(shù)據(jù)，僅僅使用當前時刻數(shù)據(jù)無法捕捉歷史數(shù)據(jù)對當前決策的影響，也就無法通過上下文的信息判斷當前異常。因此，在設計異常檢測模型判之前，有必要將時間序列形式的采氣數(shù)據(jù)轉(zhuǎn)換為有效氣井數(shù)據(jù)。但是，維數(shù)的增加容易產(chǎn)生維度災難，大量冗余的信息使得模型訓練收斂困難，訓練速度降低。本發(fā)明采用最大信息系數(shù)過濾相關性較高的特征使得維數(shù)下降，使得保留的特征最大化保持相互獨立。而且最大信息系數(shù)相比于最常使用的pearson相關系數(shù)，能克服最大線性局限性，可以找到更多相關類型的特征。再對氣井生產(chǎn)數(shù)據(jù)進行訓練，得到異常檢測模型，實現(xiàn)氣井異常檢測。本發(fā)明建立了一套快速、可靠的數(shù)據(jù)驅(qū)動智能異常檢測模型，不僅能識別點異常，而且能根據(jù)歷史數(shù)據(jù)發(fā)現(xiàn)上下文異常。在真實采氣數(shù)據(jù)集上測試結果與人工標注結果對比，結果表明提出的框架具有良好的性能，能夠解決現(xiàn)有技術中氣井異常判識不及時、措施制度調(diào)整有效率低的問題。

27、本發(fā)明提出的一種基于集成樹的智能氣井異常檢測系統(tǒng)，通過將系統(tǒng)劃分為數(shù)據(jù)轉(zhuǎn)換模塊、特征提取模塊和特征向量獲取模塊，實現(xiàn)氣井異常檢測。采用模塊化思想使各個模塊之間相互獨立，方便對各模塊進行統(tǒng)一管理。

技術特征：

1.一種基于集成樹的智能氣井異常檢測方法，其特征在于，包括如下步驟：

2.根據(jù)權利要求1所述的基于集成樹的智能氣井異常檢測方法，其特征在于，對時間序列形式的采氣數(shù)據(jù)進行轉(zhuǎn)換前，先進行數(shù)據(jù)缺失值處理。

3.根據(jù)權利要求1所述的基于集成樹的智能氣井異常檢測方法，其特征在于，利用集成樹算法對特征向量進行訓練，得到異常檢測模型。

4.根據(jù)權利要求3所述的基于集成樹的智能氣井異常檢測方法，其特征在于，集成樹算法的學習目標函數(shù)如下：

5.根據(jù)權利要求4所述的基于集成樹的智能氣井異常檢測方法，其特征在于，集成樹算法的學習目標函數(shù)的損失函數(shù)如下：

6.根據(jù)權利要求4所述的基于集成樹的智能氣井異常檢測方法，其特征在于，正則項ω(fk)的獲取方法如下：

7.根據(jù)權利要求6所述的基于集成樹的智能氣井異常檢測方法，其特征在于，葉節(jié)點為沒有子節(jié)點的節(jié)點。

8.一種基于集成樹的智能氣井異常檢測系統(tǒng)，其特征在于，包括：

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行計算機程序時實現(xiàn)如權利要求1至7中任意一項所述的基于集成樹的智能氣井異常檢測方法的步驟。

10.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任意一項所述的基于集成樹的智能氣井異常檢測方法的步驟。

技術總結
本發(fā)明公開了一種基于集成樹的智能氣井異常檢測方法及系統(tǒng)，氣井數(shù)據(jù)是一種隨時間不斷變化的序列數(shù)據(jù)，僅僅使用當前時刻數(shù)據(jù)無法捕捉歷史數(shù)據(jù)對當前決策的影響，也就無法通過上下文的信息判斷當前異常。因此，在設計異常檢測模型判之前，有必要將時間序列形式的采氣數(shù)據(jù)轉(zhuǎn)換為有效氣井數(shù)據(jù)。但是，維數(shù)的增加容易產(chǎn)生維度災難，大量冗余的信息使得模型訓練收斂困難，訓練速度降低。本發(fā)明采用最大信息系數(shù)過濾相關性較高的特征使得維數(shù)下降，使得保留的特征最大化保持相互獨立。且最大信息系數(shù)相比于Pearson相關系數(shù)，能克服最大線性局限性，可以找到更多相關類型的特征。再對氣井生產(chǎn)數(shù)據(jù)進行訓練，得到異常檢測模型，實現(xiàn)氣井異常檢測。

技術研發(fā)人員：羅長斌,華忠志,劉洋,劉麗萍,陳虎,溫欣,郝冠中,趙欽陽,岳世超,高偉,寧梅,呂玉海,張騰,尚用蘭,陳奕陽
受保護的技術使用者：中國石油天然氣股份有限公司
技術研發(fā)日：
技術公布日：2025/1/2