摘要： 准确的水质预测是评估油田联合站采出水处理效果的重要依据,为水质预警提供科学依据.传统方法存在主观性强和耗时性长等缺点,现有部分研究借助于机器学习方法,但对数据噪声和数据非线性考虑不足.本研究提出一种基于两层分解算法与改进支持向量机相结合的预测方法.通过两层分解算法消除冗余噪声,提取初始数据主要特征.利用分层抽样对原始数据集进行划分,避免传统随机抽样引起的样本偏差.采用改进粒子群算法优选支持向量机参数,提高全局收敛能力.针对桩西采油厂联合站4个案例,依据相对误差、平均绝对百分比误差和决定系数3个评价指标对提出的预测方法展开准确性评价,基于4个案例3个指标值的平均值分别为-0.38％、5.23％和0.82％.相比于现有主流机器学习方法,提出的预测方法具有较高的预测精度.

关键词: 油田联合站, 水质预测, 机器学习, 两层分解算法, 改进支持向量机