数据驱动的子空间方法及在预测中的应用

论文摘要

能源是现代工业的基础。石油和天然气作为一种重要的能源资源和战略资源,深刻影响着各国经济的发展。钢铁工业作为国民经济最重要的基础行业之一,属于高能耗工业。油气资源是钢铁工业生产的物质基础,钢铁工业又为油气工业的发展提供各种设备等物质保证。利用科学合理的技术手段加强油藏和钢铁企业能源介质消耗量的预测,可以缓解我国钢铁工业发展对能源需求紧张的局面,从而促进钢铁工业和油气工业的快速发展。子空间算法自20世纪90年代被提出后,已成功用于系统辨识和预测控制等领域。随着科技的发展,数据的产生和存储量随之增加,从而产生了数据驱动的子空间方法。本文选取数据驱动的子空间算法的预测模型对能源问题进行预测。本文针对以上两个问题展开如下工作：(1)数据驱动的子空间算法及改进：采用数据驱动的改进子空间算法的预测模型对实际问题进行预测。通过引入两类因子,并用粒子群优化算法对因子进行寻优,从而提高预测的精度。(2)油藏描述中的储层物性参数预测：油藏描述的核心任务是储层建模,储层物性参数的确定是储层建模的基础和依据。从空间维度出发,用数据驱动的子空间方法对储层的主要物性参数进行预测。数值试验显示引入因子的改进方法仅能对部分结果有所改善,并进行了原因分析。(3)钢铁企业能源介质消耗量预测：以某钢铁企业为背景从时间维度出发,利用数据驱动的子空间算法对能源介质消耗量进行预测,改进的算法可提高预测精度。(4)钢铁企业能源预测系统开发：将预测算法内嵌到钢铁企业能源预测系统,可快速、准确地给出能源介质消耗量的预测值,并以表格、曲线、柱状图和饼图等不同方式对结果进行显示,且具有汇总和人工调整等功能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题的研究背景
• 1.1.1 子空间算法的研究背景
• 1.1.2 能源预测问题的研究背景及意义
• 1.2 问题的研究现状
• 1.2.1 子空间算法的研究现状
• 1.2.2 能源预测问题的研究现状
• 1.3 本文主要工作及技术路线
• 1.3.1 本文的主要工作
• 1.3.2 本文的技术路线
• 第2章 数据驱动的子空间方法及改进
• 2.1 数据驱动理论
• 2.2 粒子群优化算法
• 2.3 子空间算法
• 2.3.1 子空间矩阵描述
• 2.3.2 子空间预测问题
• 2.4 数据驱动的子空间算法及改进策略
• 2.4.1 数据驱动的子空间算法
• 2.4.2 基于PSO的改进策略
• 2.5 本章小结
• 第3章 油藏描述中储层物性参数预测问题
• 3.1 油藏描述
• 3.1.1 油藏描述概述
• 3.1.2 油藏描述中的地质模型概述
• 3.2 储层物性参数概述
• 3.3 数据驱动的子空间方法在储层物性参数预测中的应用
• 3.3.1 基于数据驱动思想的储层物性参数预测方法概述
• 3.3.2 数据驱动的子空间方法对储层物性参数的预测
• 3.4 本章小结
• 第4章 钢铁企业能源介质消耗量预测问题
• 4.1 钢铁企业能源介质消耗量预测问题
• 4.1.1 钢铁企业生产流程概述
• 4.1.2 钢铁企业能源介质消耗情况概述
• 4.2 钢铁企业能源介质消耗量预测任务
• 4.3 数据驱动的子空间算法对能源介质消耗量的预测
• 4.4 本章小结
• 第5章 钢铁企业能源预测系统
• 5.1 系统设计思想
• 5.2 系统功能及界面
• 5.2.1 系统功能结构图
• 5.2.2 系统界面
• 5.3 本章小结
• 第6章 结束语
• 参考文献
• 致谢