天然氣產(chǎn)量預(yù)測的優(yōu)化組合模型及其應(yīng)用

王俊奇 鄭 欣

(西安石油大學(xué) 石油工程學(xué)院，陜西 西安 710065； 西安長慶科技工程有限責(zé)任公司，陜西 西安 710018)

天然氣產(chǎn)量預(yù)測的優(yōu)化組合模型及其應(yīng)用

王俊奇 鄭 欣

(西安石油大學(xué) 石油工程學(xué)院，陜西 西安 710065； 西安長慶科技工程有限責(zé)任公司，陜西 西安 710018)

對天然氣產(chǎn)量進(jìn)行合理預(yù)測決定著氣田開發(fā)的效益和開發(fā)方案的科學(xué)性與合理性。為此，基于我國2001—2014年的天然氣產(chǎn)量引入優(yōu)化組合模型，對我國未來天然氣產(chǎn)量進(jìn)行了預(yù)測，并將此結(jié)果與線性回歸、BP神經(jīng)網(wǎng)絡(luò)、灰色理論等預(yù)測結(jié)果進(jìn)行了比較，證明了優(yōu)化組合模型能夠科學(xué)地預(yù)測天然氣產(chǎn)量，這為我國準(zhǔn)確預(yù)測天然氣產(chǎn)量提供了理論依據(jù)和參考依據(jù)。

天然氣產(chǎn)量； 預(yù)測誤差； BP神經(jīng)網(wǎng)絡(luò)； 優(yōu)化組合模型

0 引 言

近年來，我國天然氣產(chǎn)量雖然大幅度增長，但占我國能源生產(chǎn)量的比例依然較低，如2007 年我國天然氣產(chǎn)量占我國能源生產(chǎn)量的比例僅為3.3%。與此同時，我國卻擁有著非常豐富的天然氣資源，因此，我國天然氣的開發(fā)利用具有很大的潛力。在這種情況下，弄清我國天然氣產(chǎn)量的增長趨勢，科學(xué)地制定我國天然氣開發(fā)規(guī)劃，準(zhǔn)確地預(yù)測我國天然氣產(chǎn)量，合理地調(diào)整我國能源結(jié)構(gòu)，對我國國民經(jīng)濟(jì)的發(fā)展顯得尤為重要。1945年美國學(xué)者J.J.Arps提出用遞減曲線法來預(yù)測天然氣產(chǎn)量，至今仍然是美國等西方國家以動態(tài)法預(yù)測天然氣產(chǎn)量和可采儲量的首選方法，也是我國油田動態(tài)預(yù)測的主要方法，在油田生產(chǎn)中發(fā)揮了極大的作用。但遞減曲線法主要是用于對氣藏開發(fā)中后期的產(chǎn)量預(yù)測[1]228-247，因此，1949年美國地質(zhì)學(xué)家 M.K.Hubbert提出了油氣產(chǎn)量預(yù)測的 Hubbert 模型[2] 2208-2222，該模型主要針對美國的油氣產(chǎn)量進(jìn)行預(yù)測。我國著名的地球物理學(xué)家——翁文波先生基于任何事件都有“興起—成長—成熟—衰退”的自然過程，于1984 年提出了翁氏模型[3]38-54。1995年，胡建國、陳元千、張盛宗等學(xué)者提出了HCZ模型[4]79-86，該模型主要以統(tǒng)計學(xué)為基礎(chǔ)，從而對油氣田開發(fā)資料進(jìn)行統(tǒng)計分析和理論推導(dǎo)。1996年，陳元千對翁氏模型進(jìn)行了一定的完善，又提出了廣義翁氏模型[5]22-26。但上述這些模型的一個共同缺點(diǎn)就是只對某一個氣藏進(jìn)行分析，而我國的天然氣產(chǎn)量是多個氣藏產(chǎn)量疊加起來的，由此，2009年李志學(xué)等人又從天然氣產(chǎn)量隨季節(jié)波動的角度進(jìn)行了分析，也對這種綜合結(jié)果進(jìn)行了研究[6]24-30，但總體而言，目前對天然氣產(chǎn)量的預(yù)測還缺乏一種切實(shí)有效的方法。

由于天然氣產(chǎn)量受眾多因素的影響，因此，天然氣產(chǎn)量的預(yù)測不應(yīng)拘泥于某些特定的氣藏，而應(yīng)該從整體上分析，比如，可用線性回歸、BP神經(jīng)網(wǎng)絡(luò)、灰色理論等方法從多角度進(jìn)行研究。由于利用線性回歸模型預(yù)測會產(chǎn)生較大誤差，而BP神經(jīng)網(wǎng)絡(luò)和灰色理論模型在考慮各個因素的作用時存在缺陷，使得利用單一的理論模型難以全面考慮所有因素的影響，其預(yù)測結(jié)果誤差也較大。因此，為了提高天然氣產(chǎn)量預(yù)測的精度，減小誤差，本文對于多種天然氣產(chǎn)量的預(yù)測方法進(jìn)行優(yōu)化組合，力求將誤差降低到最小，以提高預(yù)測的準(zhǔn)確性。

1 優(yōu)化組合預(yù)測模型

自格蘭杰(Granger)于 1969 年提出了組合預(yù)測方法以來，組合預(yù)測理論在國內(nèi)外得到了廣泛的應(yīng)用，且在不斷地豐富和完善之中，由于它能有效地提高預(yù)測的準(zhǔn)確性[7]197-20，因而至今仍是預(yù)測領(lǐng)域的學(xué)術(shù)熱點(diǎn)之一。一般地，為提高預(yù)測結(jié)果的準(zhǔn)確性，對同一預(yù)測問題，若有幾種方法，可采用優(yōu)化組合預(yù)測方法。即使一個效果不佳的預(yù)測方法，只要它含有系統(tǒng)的獨(dú)立信息，當(dāng)其與組合預(yù)測方法進(jìn)行組合時，同樣能改善系統(tǒng)的預(yù)測性能。組合預(yù)測的目的是綜合利用各種方法提供的信息，避免單一預(yù)測模型丟失有用信息的缺陷，減少隨機(jī)性，提高預(yù)測準(zhǔn)確性。常見的組合預(yù)測模型是以絕對誤差的平方和或離差絕對值之和達(dá)到最小的準(zhǔn)則建立起來的。

x2i,…,xni)T，m種預(yù)測的線性組合預(yù)測結(jié)果為：

Y=ω1X1+ω2X2+…+ωmXm

(1)

(2)

由此線性組合預(yù)測模型為：

minQ=WTEWs.tRTW=1

(3)

最優(yōu)系數(shù)W*為：

(4)

2 各種模型對天然氣產(chǎn)量預(yù)測的準(zhǔn)確性比較

本文以2001—2014年我國天然氣產(chǎn)量的實(shí)際值和各模型的預(yù)測值進(jìn)行對比分析，具體見表1所示。

表1 天然氣產(chǎn)量的實(shí)際值和各種模型的預(yù)測值比較

由表1可知：原數(shù)據(jù)序列：Y1=[303 327 350 415 493 586 692 761 830 948 1 025 1 067 1 210 1 329]T，設(shè)三種預(yù)測的線性組合預(yù)測結(jié)果為：

Y=ω1Y1+ω2Y2+ω3Y3

本文利用Matlab軟件能夠求得以下數(shù)據(jù)。

21 769 1 533 1 879

E=[1 533 806 644]

所以,Y=-0.037 9Y1+1.013 5Y2+0.024 4Y3。由此，可求得優(yōu)化組合預(yù)測的天然氣產(chǎn)量為：

Y1=[302.3 321.9 356.2 412.3 492.3 586.6 680.1 766.0 848.5 934.9 1 029.6 1 170.89 1 304.33 1 402.10]；誤差為e2=[0.700 5.100 -6.200 2.700 0.700 -0.600 11.900 -5.000 -18.500 13.100 -4.600 14.0 -24.1 5.5]；方差為s2=70.43。

3 對優(yōu)化組合模型結(jié)果及誤差進(jìn)行分析

下面通過不同的模型預(yù)測我國2001—2014年的天然氣產(chǎn)量，并將實(shí)際值與各種模型的預(yù)測值進(jìn)行對比，詳見表2所示。

表2 各模型對天然氣產(chǎn)量的預(yù)測值與實(shí)際值的絕對誤差及方差

下面將我國天然氣產(chǎn)量的實(shí)際值與線性回歸、灰色預(yù)測、BP網(wǎng)絡(luò)和線性組合的預(yù)測值進(jìn)行比較，如圖1所示。

由圖1可知，線性回歸、灰色預(yù)測和BP網(wǎng)絡(luò)的預(yù)測誤差依次減小。將線性回歸、BP網(wǎng)絡(luò)和灰色系統(tǒng)線性組合后得到的絕對誤差和平均誤差最小，方差也最小，可以使單一的三種預(yù)測模型得到優(yōu)化，預(yù)測的精度更高，更適合于氣田的實(shí)際情況。

圖1 天然氣產(chǎn)量實(shí)際值與預(yù)測值對比

4 結(jié) 語

天然氣產(chǎn)量關(guān)系到我國能源結(jié)構(gòu)的調(diào)整，也對氣田的開發(fā)具有重要的作用，為了降低采氣成本，提高氣田開發(fā)的效益，相關(guān)部門必須制定科學(xué)合理的開采方案并保證其順利實(shí)施。而對天然氣產(chǎn)量進(jìn)行準(zhǔn)確預(yù)測，又直接影響到天然氣產(chǎn)業(yè)發(fā)展規(guī)劃的科學(xué)性和合理性，也對氣田的高效、高水平開發(fā)具有重要的指導(dǎo)意義。為此，本文基于優(yōu)化組合預(yù)測模型，通過MATLAB編程求解，對我國天然氣產(chǎn)量進(jìn)行了預(yù)測，并與線性回歸、BP神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測三種方法的預(yù)測結(jié)果進(jìn)行了誤差分析和對比，證明了使用優(yōu)化組合模型進(jìn)行天然氣產(chǎn)量預(yù)測的結(jié)果比單一法預(yù)測的誤差更小，結(jié)果更準(zhǔn)確，且預(yù)測結(jié)果更加符合實(shí)際，說明這種預(yù)測方法不僅簡單實(shí)用，具有良好的可操作性，而且使預(yù)測結(jié)果得到了優(yōu)化，從而為我國氣田實(shí)現(xiàn)高效開發(fā)提供了決策依據(jù)，這對于氣田制定合理的開發(fā)方案，實(shí)現(xiàn)我國經(jīng)濟(jì)的可持續(xù)發(fā)展提供了重要的參考依據(jù)。

[1] Arps J J.Analysis of Decline Curves[J].Trans.Aime 1945,15(8).

[2] Hubbert M K.Degree of advancement of petroleum exploration in the United States[J].AAPG Bulletin,1967,52(11).

[3] 翁文波.預(yù)測論基礎(chǔ)[M].北京:石油工業(yè)出版社,1984.

[4] 胡建國,陳元千,張盛宗.預(yù)測油氣田產(chǎn)量和可采儲量的新模型[J].石油學(xué)報,1995,16(1).

[5] 陳元千.對翁氏預(yù)測模型的推導(dǎo)及應(yīng)用[J].天然氣工業(yè)，1996,16(2).

[6] 李志學(xué),孫丹.天然氣產(chǎn)量季節(jié)預(yù)測模型的比較與選擇[J].統(tǒng)計與信息論壇,2009,24(10).

[7] Granger C,Ramanathan R.Improved methods of combining forecasting[J].Journal of Forecasting,1984,3(2).

(責(zé)任編輯 王栓芹)

Optimizing Combination Model of Natural Gas Production Prediction and Its Application

WANGJunqi,ZHENGXin

(CollegeofPetroleumEngineering,Xi'anShiyouUniversity,Xi'an,Shaanxi,710065,China;XianChangqingScienceandTechnologyEngineeringCo.,Ltd.Xi'an,Shaanxi,710018,China)

Rational prediction for natural gas production decides the benefits of gas field development,and the scientificity and rationality of oil field developing plan.Therefore,the forecasts for our natural gas production in the future was made based on the optimizing combination model of the natural gas production from 2001 to 2011 in our country.Then comparied with the predicted gas production result of the linear regression, BP neural network,and the gray theory,it was proved that optimization combination model can predict gas production scientifically,thus can provide theoretical basis and reference frame for the accurate prediction of gas production in our country.

natural gas production;prediction errors;BP neural network;optimizing combination prediction model

2014-10-10

王俊奇，男，陜西岐山人，西安石油大學(xué)石油工程學(xué)院教授，博士，研究方向：油氣資源開采與利用。

陜西省社會科學(xué)基金項目(2014D19)；教育部人文社科類規(guī)劃基金項目(10YJA790185)。

F407.22

A

1008-5645(2015)05-0006-04