基于随机森林算法的煤层气直井产气量模型

煤层气产量评价和预测是煤层气开发工程决策的关键基础。随机森林算法具有计算量小、精确度高的优点。影响煤层气井产能的参数包含地质参数、工程措施和排采工艺参数。煤储层地质参数分为动态参数和静态参数两个部分。静态地质参数由煤层的本质属性决定,如:煤层埋深、煤层厚度、地应力等;动态地质参数在排采过程中发生动态变化,如储层压力、渗透率等。排采工艺参数多为动态参数,主要受人为调控,如井底流压、套压、动液面深度、冲次、冲程等。当煤层气井完成选址、钻井、水力压裂等条件进入生产阶段,排采工艺参数对其产量影响至关重要。基于随机森林算法,分析了沁水盆地郑村区块15号煤层8口煤层气井的地质参数和排采工艺参数对产气量的影响,计算得到了排采工艺参数对煤层气井产气量影响的重要性指标排序,即流压>套压>动液面>冲次>冲程>埋深。将煤层气井最近60 d的生产数据作为产气量预测的测试样本,其余历史生产数据作为学习样本。学习样本经过缺失值处理、异常数据处理后,输入至R语言中,利用随机森林算法对历史产气量进行拟合分析。综合考虑排采工艺参数和历史产气量的动态变化对煤层气井后续日产气量的影响,建立了煤层气井的产量模型。依据随机森林算法的分枝优度准则,预测了不同排采方案下的煤层气井日产气量,将预测值与测试样本进行对比分析。结果显示,日产气量预测值中95%以上的数据与实际产量数据(测试样本)的误差小于5%,这说明基于随机森林算法的煤层气直井产量模型具有较高的拟合及预测精度,为煤层气井产能评价和预测提供了借鉴。

  • 2021-06-21
  • 阅读75
  • 下载0
  • 10页
  • pdf

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业,该研究提出了基于点云配准的自然光照环境下的果树三维重构方法,并针对传统最近点迭代(Iterative Closest Point,ICP)算法对待配准点云的空间位置要求苛刻的问题,提出了改进的点云配准算法。首先,使用彩色深度(RGB-D)相机采集不同角度下的枣树彩色和深度图像,并通过信息融合实现相应角度下的点云获取。其次,对点云进行背景去除和滤波处理,基于直方图设定分割阈值,提取单株枣树点云,并将放置在树根附近的标靶球作为标记,使用人工标记法进行两站点云初配准。最后,在初配准基础上计算点云的曲面法向量和曲率,由曲率相近的点构成配对点对,使用 k 维树最近点迭代(k dimensional-tree-Iterative Closest Point,kd-tree-ICP)算法完成精配准,对点云使用 Alpha-shape 算法面片化,实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明,通过引入初配准,有效提高了点云配准的准确性和稳定性,配准误差均控制在 1.0 cm 以内,平均配准误差为0.76 cm;重构模型真实感较强,在外观上更加接近真实树,重构模型枝干相对误差控制在 7%以内。该研究重构模型精度较高,可为枣树智能修剪提供可视化研究基础和技术支持。

  • 2021-06-21
  • 阅读71
  • 下载0
  • 8页
  • pdf