天然气产量预测的优化组合模型及其应用

王俊奇 郑 欣

(西安石油大学 石油工程学院，陕西 西安 710065； 西安长庆科技工程有限责任公司，陕西 西安 710018)

天然气产量预测的优化组合模型及其应用

王俊奇 郑 欣

(西安石油大学 石油工程学院，陕西 西安 710065； 西安长庆科技工程有限责任公司，陕西 西安 710018)

对天然气产量进行合理预测决定着气田开发的效益和开发方案的科学性与合理性。为此，基于我国2001—2014年的天然气产量引入优化组合模型，对我国未来天然气产量进行了预测，并将此结果与线性回归、BP神经网络、灰色理论等预测结果进行了比较，证明了优化组合模型能够科学地预测天然气产量，这为我国准确预测天然气产量提供了理论依据和参考依据。

天然气产量； 预测误差； BP神经网络； 优化组合模型

0 引 言

近年来，我国天然气产量虽然大幅度增长，但占我国能源生产量的比例依然较低，如2007 年我国天然气产量占我国能源生产量的比例仅为3.3%。与此同时，我国却拥有着非常丰富的天然气资源，因此，我国天然气的开发利用具有很大的潜力。在这种情况下，弄清我国天然气产量的增长趋势，科学地制定我国天然气开发规划，准确地预测我国天然气产量，合理地调整我国能源结构，对我国国民经济的发展显得尤为重要。1945年美国学者J.J.Arps提出用递减曲线法来预测天然气产量，至今仍然是美国等西方国家以动态法预测天然气产量和可采储量的首选方法，也是我国油田动态预测的主要方法，在油田生产中发挥了极大的作用。但递减曲线法主要是用于对气藏开发中后期的产量预测[1]228-247，因此，1949年美国地质学家 M.K.Hubbert提出了油气产量预测的 Hubbert 模型[2] 2208-2222，该模型主要针对美国的油气产量进行预测。我国著名的地球物理学家——翁文波先生基于任何事件都有“兴起—成长—成熟—衰退”的自然过程，于1984 年提出了翁氏模型[3]38-54。1995年，胡建国、陈元千、张盛宗等学者提出了HCZ模型[4]79-86，该模型主要以统计学为基础，从而对油气田开发资料进行统计分析和理论推导。1996年，陈元千对翁氏模型进行了一定的完善，又提出了广义翁氏模型[5]22-26。但上述这些模型的一个共同缺点就是只对某一个气藏进行分析，而我国的天然气产量是多个气藏产量叠加起来的，由此，2009年李志学等人又从天然气产量随季节波动的角度进行了分析，也对这种综合结果进行了研究[6]24-30，但总体而言，目前对天然气产量的预测还缺乏一种切实有效的方法。

由于天然气产量受众多因素的影响，因此，天然气产量的预测不应拘泥于某些特定的气藏，而应该从整体上分析，比如，可用线性回归、BP神经网络、灰色理论等方法从多角度进行研究。由于利用线性回归模型预测会产生较大误差，而BP神经网络和灰色理论模型在考虑各个因素的作用时存在缺陷，使得利用单一的理论模型难以全面考虑所有因素的影响，其预测结果误差也较大。因此，为了提高天然气产量预测的精度，减小误差，本文对于多种天然气产量的预测方法进行优化组合，力求将误差降低到最小，以提高预测的准确性。

1 优化组合预测模型

自格兰杰(Granger)于 1969 年提出了组合预测方法以来，组合预测理论在国内外得到了广泛的应用，且在不断地丰富和完善之中，由于它能有效地提高预测的准确性[7]197-20，因而至今仍是预测领域的学术热点之一。一般地，为提高预测结果的准确性，对同一预测问题，若有几种方法，可采用优化组合预测方法。即使一个效果不佳的预测方法，只要它含有系统的独立信息，当其与组合预测方法进行组合时，同样能改善系统的预测性能。组合预测的目的是综合利用各种方法提供的信息，避免单一预测模型丢失有用信息的缺陷，减少随机性，提高预测准确性。常见的组合预测模型是以绝对误差的平方和或离差绝对值之和达到最小的准则建立起来的。

x2i,…,xni)T，m种预测的线性组合预测结果为：

Y=ω1X1+ω2X2+…+ωmXm

(1)

(2)

由此线性组合预测模型为：

minQ=WTEWs.tRTW=1

(3)

最优系数W*为：

(4)

2 各种模型对天然气产量预测的准确性比较

本文以2001—2014年我国天然气产量的实际值和各模型的预测值进行对比分析，具体见表1所示。

表1 天然气产量的实际值和各种模型的预测值比较

由表1可知：原数据序列：Y1=[303 327 350 415 493 586 692 761 830 948 1 025 1 067 1 210 1 329]T，设三种预测的线性组合预测结果为：

Y=ω1Y1+ω2Y2+ω3Y3

本文利用Matlab软件能够求得以下数据。

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，可求得优化组合预测的天然气产量为：

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]；误差为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]；方差为s2=70.43。

3 对优化组合模型结果及误差进行分析

下面通过不同的模型预测我国2001—2014年的天然气产量，并将实际值与各种模型的预测值进行对比，详见表2所示。

表2 各模型对天然气产量的预测值与实际值的绝对误差及方差

下面将我国天然气产量的实际值与线性回归、灰色预测、BP网络和线性组合的预测值进行比较，如图1所示。

由图1可知，线性回归、灰色预测和BP网络的预测误差依次减小。将线性回归、BP网络和灰色系统线性组合后得到的绝对误差和平均误差最小，方差也最小，可以使单一的三种预测模型得到优化，预测的精度更高，更适合于气田的实际情况。

图1 天然气产量实际值与预测值对比

4 结 语

天然气产量关系到我国能源结构的调整，也对气田的开发具有重要的作用，为了降低采气成本，提高气田开发的效益，相关部门必须制定科学合理的开采方案并保证其顺利实施。而对天然气产量进行准确预测，又直接影响到天然气产业发展规划的科学性和合理性，也对气田的高效、高水平开发具有重要的指导意义。为此，本文基于优化组合预测模型，通过MATLAB编程求解，对我国天然气产量进行了预测，并与线性回归、BP神经网络和灰色预测三种方法的预测结果进行了误差分析和对比，证明了使用优化组合模型进行天然气产量预测的结果比单一法预测的误差更小，结果更准确，且预测结果更加符合实际，说明这种预测方法不仅简单实用，具有良好的可操作性，而且使预测结果得到了优化，从而为我国气田实现高效开发提供了决策依据，这对于气田制定合理的开发方案，实现我国经济的可持续发展提供了重要的参考依据。

[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.预测论基础[M].北京:石油工业出版社,1984.

[4] 胡建国,陈元千,张盛宗.预测油气田产量和可采储量的新模型[J].石油学报,1995,16(1).

[5] 陈元千.对翁氏预测模型的推导及应用[J].天然气工业，1996,16(2).

[6] 李志学,孙丹.天然气产量季节预测模型的比较与选择[J].统计与信息论坛,2009,24(10).

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

(责任编辑 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，陕西岐山人，西安石油大学石油工程学院教授，博士，研究方向：油气资源开采与利用。

陕西省社会科学基金项目(2014D19)；教育部人文社科类规划基金项目(10YJA790185)。

F407.22

A

1008-5645(2015)05-0006-04