本发明涉及地热开发,具体涉及热储模式的预测模型构建及预测方法、装置、介质及设备。
背景技术:
1、地热资源储量预测对地热开采十分重要,有时因为地质的复杂结构带来的不确定性,导致热储模式及热储量预测与实际开采过程中的热储存在较大偏差。单井采灌技术是高效的地热开采利用技术,但采灌技术对热储的要求也更高,需要精准的预测当前环境的热储能,目前现有的基于监测数据关键因子进行热储的预测方法,因为地质环境的不确定性导致准确率较低,难以满足单井采灌的技术指标。
技术实现思路
1、因此,本发明要解决的技术问题在于克服现有热储模式预测准确性较低的缺陷,从而提供热储模式的预测模型构建及预测方法、装置、介质及设备。
2、根据第一方面,本发明实施例公开了一种热储模式的预测模型构建方法,所述方法包括:获取压差信号样本集,所述压差信号样本集包括多种热储模式测试井的抽水泵在抽水过程中泵底对应的压差信号样本;对压差信号样本集中的压差信号样本进行特征提取处理,得到对应的多尺度熵;计算所述多尺度熵的熵增率,所述熵增率表征所述多尺度熵中多个时间尺度的样本熵值的增长速率;利用压差信号样本集中的训练样本集以及训练样本集中每一个压差信号样本对应的多尺度熵和熵增率以及对应测试井的储热模式对预设预测模型进行训练,得到热储模式预测模型。
3、可选地,所述对压差信号样本集中的压差信号样本进行特征提取处理,得到对应的多尺度熵,包括:对压差信号样本的时间序列进行粗粒化处理,得到30个时间尺度的时间序列;对所述30个时间尺度的时间序列进行特征提取处理,得到30尺度熵。
4、可选地,所述计算所述多尺度熵的熵增率,包括:选取所述30尺度熵中的前7个时间尺度的样本熵值;对所述前7个时间尺度的样本熵值进行计算,得到熵增率。
5、可选地,所述利用压差信号样本集中的训练样本集以及训练样本集中每一个压差信号对应的多尺度熵和熵增率以及对应测试井的储热模式对预设预测模型进行训练,得到热储模式预测模型之后,所述方法还包括:利用压差信号样本集中的测试样本集以及测试样本集中每一个压差信号样本对应的多尺度熵和熵增率以及对应测试井的储热模式对所述热储模式预测模型进行准确性测试;当准确性测试结果不满足要求时,对所述热储模式预测模型的参数进行优化,直至准确性测试结果满足要求。
6、可选地,所述预设预测模型为支持向量机模型。
7、根据第二方面,本发明实施例还公开了一种热储模式的预测方法,所述方法包括:获取目标井的抽水泵在抽水过程中泵底的目标压差信号;对所述目标压差信号提取目标多尺度熵并计算目标熵增率;将所述目标多尺度熵和目标熵增率输入到热储模式预测模型中,得到所述目标井对应的热储模式,所述热储模式预测模型为利用如第一方面或第一方面热议可选实施方式所述的热储模式的预测模型构建得到。
8、根据第三方面,本发明实施例还公开了一种热储模式的预测模型构建装置,所述装置包括:样本集获取模块,用于获取压差信号样本集,所述压差信号样本集包括多种热储模式测试井的抽水泵在抽水过程中泵底对应的压差信号样本;多尺度熵获取模块,用于对压差信号样本集中的压差信号样本进行特征提取处理,得到对应的多尺度熵;熵增率计算模块,用于计算所述多尺度熵的熵增率,所述熵增率表征所述多尺度熵中多个时间尺度的样本熵值的增长速率;模型训练模块,用于利用压差信号样本集中的训练样本集以及训练样本集中每一个压差信号样本对应的多尺度熵和熵增率以及对应测试井的储热模式对预设预测模型进行训练,得到热储模式预测模型。
9、根据第四方面,本发明实施例还公开了一种热储模式的预测装置,所述装置包括:目标信号获取模块,用于获取目标井的抽水泵在抽水过程中泵底的目标压差信号;信号处理模块,用于对所述目标压差信号提取目标多尺度熵并计算目标熵增率;热储模式确定模块,用于将所述目标多尺度熵和目标熵增率输入到热储模式预测模型中,得到所述目标井对应的热储模式,所述热储模式预测模型如第一方面或第一方面任一可选实施方式所述的热储模式预测模型构建得到。
10、根据第五方面,本发明实施例还公开了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的热储模式的预测模型构建方法,或如第二方面或第二方面任一可选实施方式所述的热储模式的预测方法的步骤。
11、根据第六方面,本发明实施方式还公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的热储模式的预测模型构建方法,或如第二方面或第二方面任一可选实施方式所述的热储模式的预测方法的步骤。
12、本发明技术方案,具有如下优点:
13、本发明提供的热储模式的预测模型构建方法,通过获取压差信号的样本集,对样本集中的压差信号样本进行特征提取处理得到多尺度熵,并基于多尺度熵计算熵增率,利用压差信号样本集中的训练样本集以及训练样本集中每一个压差信号样本对应的多尺度熵和熵增率以及对应测试井的热储模式对预设预测模型进行训练,得到热储模式预测模型,通过基于多尺度熵对热储模式进行预测,并构建热储模式预测模型,可以提高热储模式预测的准确性。
1.一种热储模式的预测模型构建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的热储模式的预测模型构建方法,其特征在于,所述对压差信号样本集中的压差信号样本进行特征提取处理,得到对应的多尺度熵,包括:
3.根据权利要求2所述的热储模式的预测模型构建方法,其特征在于,所述计算所述多尺度熵的熵增率,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用压差信号样本集中的训练样本集以及训练样本集中每一个压差信号对应的多尺度熵和熵增率以及对应测试井的热储模式对预设预测模型进行训练,得到热储模式预测模型之后,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述预设预测模型为支持向量机模型。
6.一种热储模式的预测方法,其特征在于,所述方法包括:
7.一种热储模式的预测模型构建装置,其特征在于,所述装置包括:
8.一种热储模式的预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-5任一所述的热储模式的预测模型构建方法或如权利要求6所述的热储模式的预测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一所述的热储模式的预测模型构建方法或如权利要求6所述的热储模式的预测方法的步骤。