Применение факторного анализа для редукции признакового пространства нагнетательных скважин
Аннотация
В данной статье рассмотрена проблема определения эффективности работы нефтяных скважин. Проведены выбор и краткое описание показателей работы нагнетательных скважин, оказывающих косвенное влияние на основную характеристику нефтяной скважины – дебит. Между выделенными характеристиками нагнетательных скважин установлена взаимозависимость, в связи с чем проведен факторный анализ с целью объединения их в группы (факторы), независимые между собой. Для определения и прогнозирования эффективности работы нефтяных скважин между полученными факторами и дебитом установлена зависимость в виде уравнения регрессии. Для проведения многомерного анализа исходных данных применен программный пакет статистической обработки данных Statistica.
Об авторах
А. Ю. Вирстюк
Сургутский государственный университет
Россия
Россия
В. С. Микшина
Сургутский государственный университет
Россия
Россия
Список литературы
1. Вирстюк А. Ю. Разработка модуля по контролю нагнетательных скважин с неравномерным профилем приемистости // Север России: стратегии и перспективы развития : материалы II Всерос. науч.-практич. конф. 2016. Сургут, 2016. С. 140.
2. Вирстюк А. Ю., Микшина В. С. Применение математических моделей для оценки эффективности работы добывающих скважин // Информационная безопасность регионов России (ИБРР-2017) : материалы юбилейной X Санкт-Петербургской межрегион. конф. СПб., 1–3 ноября 2017 г. СПб. : СПОИСУ, 2017. С. 373–374.
3. Тихомиров Н. П. Методы эконометрики и многомерного статистического анализа. М. : Экономика, 2011. 647 с.
4. Токарев М. А., Чинаров А. С. Статистические методы прогноза нефтеотдачи и оценки эффективности воздействия на пласт : моногр. Уфа, 2007. 96 с.
5. Халафян А. А. Statistica 6: стат. анализ данных. М. : БиномПресс, 2007. 512 с.
6. Basilevsky A. Statistical factor analysis and related methods: theory and applications. John Wiley & Sons, Inc., 2008. 737 p.
7. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Data Mining, Inference, and Prediction. Second Edition. Springer, 2009. 764 p.
8. James G.,Hastie T., Tibshirani R., Witten D. An Introduction to Statistical Learning: With Applications in R. Springer, 2013. 426 p.
9. Marques de Sá J. P.. Applied Statistics Using SPSS, Statistica, MATLAB and R. Springer, 2007. 505 p.
10. Kettaneh N., Berglund. A. PCA and PLS with very large data sets // Computational Statistics & Data Analysis. 2005. Vol. 48. P. 69–85.
Рецензия
Для цитирования:
Вирстюк А.Ю., Микшина В.С. Применение факторного анализа для редукции признакового пространства нагнетательных скважин. Вестник кибернетики. 2018;(2 (30)):169-174.
For citation:
Virstyuk A.Yu., Mikshina V.S. Factor Analysis Application for Reduction of the Attribute Space of Injection Wells. Proceedings in Cybernetics. 2018;(2 (30)):169-174. (In Russ.)
Просмотров: 98
Послать статью по эл. почте 