《表3 VAR模型滞后阶数分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了保证模型拟合与预测结果的稳定性，对优选后的注采井组流量数据进行归一化及平滑化处理，增加数据的平稳程度，并选取井组开发时间段最后10个月的数据作为验证集，剩下的数据作为训练集。在对数据进行预处理后，对8个井组进行VAR模型拟合与预测，重点讨论整体相关性最高的6号井组结果，图5给出了6号井组的井位图。进行模型拟合之前，需要先进行滞后阶数分析来确定最佳滞后阶数。利用（9）式和（10）式计算了滞后阶数取不同值时对应的AIC、BIC以及HQIC信息准则评价值。表3给出了6号井组的VAR模型滞后阶数分析结果，可以看出，3种信息准则评价值最小时对应的滞后阶数均为2，因此可以选择2作为最佳滞后阶数。