基于改进果蝇算法的有杆泵抽油井动态液位软测量方法技术

本发明专利技术涉及一种基于改进果蝇算法的有杆泵抽油井动态液位软测量，步骤为：采集有杆泵抽油井生产数据；根据生产数据计算上冲程过程平均载荷和下冲程过程平均载荷和抽油机泵效；归一化处理，将数据归一化到[0，1]区间内，生成训练集和测试集；采用混合核函数作为最小二乘支持向量机模型的核函数，实测动态液位为输出数据，确定参数组合；采用IFOA对参数优化，得到最优值；代入优化参数，构造动态液位预测模型；输入数据集，生成动态液位预测结果；根据动态液位预测结果和实测动态液位数据进行预测误差评价分析。本发明专利技术提高了模型的预测的精度和推广泛化能力，随着预测时间延长，预测模型具有较高的预测精度和较强的稳定性。

【技术实现步骤摘要】
基于改进果蝇算法的有杆泵抽油井动态液位软测量方法
本专利技术涉及一种本专利技术属于软测量检测
，具体为一种基于改进果蝇算法的有杆泵抽油井动态液位软测量方法。
技术介绍
在石油开采中，动态液位是油田开采的重要数据，实现井下动态液位的实时监测，掌握油井生产状态，可以减少事故发生，保证生产安全，同时可以及时调整参数，提高生产效率。现有的动态液位测量方法一般是在有井口安装声波测量装置，通过手动方式向井下发射声波，利用声波沿着抽油杆向下传播，然后采集回声信号，再人工分析，实现井下动态液位的测量。回声法存在一些缺点，一是将测量仪器安装于井口，影响正常生产，二是需要人工手动测量，劳动强度大，成本高且具有一定的危险性。
技术实现思路
针对现有技术中有杆泵抽油井井下动态液位需人工测量且测量精度不高等不足，本专利技术要解决的问题是提供一种基于改进果蝇算法的有杆泵抽油井动态液位软测量。为解决上述技术问题，本专利技术采用的技术方案是：本专利技术基于改进果蝇算法的有杆泵抽油井动态液位软测量，包括以下步骤：1)采集有杆泵抽油井动态液位数据，包括抽油机示功图数据、有杆泵抽油井井口套压、有杆泵抽油井日产液量、有杆泵抽油井实测动态液位数据；2)根据采集到的抽油井示功图数据，计算上冲程过程平均载荷和下冲程过程平均载荷；根据采集到的有杆泵抽油井日产液量和理论计算的有杆泵抽油井日产液量计算抽油机泵效；3)去除采集到的有杆泵抽油井数据的异常数据，对上冲程平均载荷、下冲程平均载荷、有杆泵抽油井井口套压、有杆泵抽油井日产液量、抽油机泵效以及实测动态液位数据进行归一化处理，将数据归一化到[0，1]区间内，生成数据集并且进行分组，即训练集和测试集；4)采用多项式核函数和径向基核函数构建的混合核函数作为最小二乘支持向量机模型的核函数，以上冲程平均载荷、下冲程平均载荷、有杆泵抽油井井口套压、有杆泵抽油井日产液量、抽油机泵效为输入数据，实测动态液位为输出数据，确定参数组合(γ，σ，λ)，其中γ为正则化参数，σ为径向基函数的宽度参数，λ为混合权重系数；5)采用改进后的果蝇优化算法(IFOA)对最小二乘支持向量机的参数组合(γ，σ，λ)进行优化，在全局范围内得到最优值；6)代入经过优化的参数，构造基于改进果蝇优化最小二乘支持向量机的动态液位预测模型；7)输入数据集，通过预测模型生成动态液位预测结果；8)根据动态液位预测结果和实测动态液位数据，进行预测误差评价分析。步骤4)中，采用多项式核函数和径向基核函数构建的混合核函数作为最小二乘支持向量机模型的核函数的具体过程为：采用的多项式核函数为：KPoly(x,xi)＝(x·xi+1)2(5)采用的径向基核函数为：构建的混合核函数为：K(x,xi)＝λ·KPoly+(1-λ)·KRBF,0＜λ＜1(7)其中，x为输入样本中的某一固定样本，xi为输入样本中的第i个样本，i取为正整数，σ为径向基核函数的宽度参数，λ为混合权重系数。步骤5)中，采用改进后的果蝇优化算法(IFOA)对最小二乘支持向量机的参数组合(γ，σ，λ)进行优化，具体为：501)读入抽油井生产数据；502)确定抽油井生产数据中种群个体数量和最大迭代次数，并随机初始化果蝇的位置其中，X_axis为初始化时果蝇的X轴坐标，Yaxis为初始化时果蝇的Y轴坐标；503)设定果蝇个体随机方向和距离：其中，h0为初始步长，n为当前迭代次数，Nt为最大迭代次数，a根据实际情况取的正整数值；504)估计果蝇位置与原点之间的距离，计算味道浓度值：505)以训练集数据预测的均方根误差为味道浓度函数，其表达式为：将参数组合(γ,σ,λ)代入最小二乘支持向量机的预测模型中，求出该果蝇味道浓度Smelli；506)找到果蝇群体中味道浓度最优的个体，这里取最小值：[bestSmell,bestIndex]＝min(Smell)507)记录最优个体位置及味道浓度值，此时所有果蝇个体利用视觉将向这个位置飞去：508)迭代寻优，重复执行以上步骤3)至6)，并判断训练集数据的预测均方根误差是否优于前一迭代预测均方根误差，如是执行步骤7)；其中执行步骤3)时，判断是否产生变异，变异率为：P(n)＝Pmax-(Pmax-Pmin)·n2/Nt2，其中Pmax为最大变异率，Pmin为最小变异率，Pmax＝0.9,Pmin＝0.65，n为当前迭代次数，Nt为最大迭代次数，若发生变异则变异后的坐标为：其中，X_axis为初始化时果蝇的X轴坐标，Yaxis为初始化时果蝇的Y轴坐标，为柯西变异，rand(1，1)为产生一行一列的伪随机矩阵，π为圆周率，randn(1，1)为高斯变异，产生一行一列的标准正态分布的矩阵。步骤6)中，代入经过优化的参数，构造基于改进果蝇优化最小二乘支持向量机的动态液位预测模型，具体过程为：601)以油田生产数据作为模型输入即x，且对应的动态液位作为模型输出即y；602)建立训练集{(x1,y1),(x2,y2),...,(xl,yl)}∈(X×Y)l,l为训练集中输入输出数据的个数，以作为最小二乘支持向量机的训练数据；603)通过对已知数据的分析，选择混合核函数作为核函数以及采用改进果蝇算法优化的参数，根据最小二乘支持向量机的算法，构造并求解下列问题：式中，为核空间映射函数，是权矢量，ei∈R为误差变量，b为偏差量，J为损失函数，γ为误差惩罚函数；构造拉格朗日函数：式中，αi∈R为拉格朗日乘子，分别求式对ei,αi,w,b的偏导，再消去w,ei，可得如下方程：式中，y＝[y1；...；yl],Iv＝[1；...；1],α＝[α1；...；αl],i,j＝1,2,...l；根据Mercer理论，可以选择核函K(xi,xj)，使得由式可解出αi,b；604)构造预测函数其中，f(x)为预测输出，i取为正整数，小于等于l，l为输入样本集的个数，αi∈R为拉格朗日乘子，b为偏差量，K(x,xi)为混合核函数，x为输入样本中的某一固定样本，xi为输入样本中的第i个样本，i取为正整数；605)将测试数据构造成上述预测函数中输入变量的形式，代入预测函数得到动态液位的预测结果。步骤8)中，根据动态液位预测结果和实测动态液位数据，进行预测误差评价分析，具体过程为：801)计算均方根误差:其中，N为样本个数，i为正整数，为预测输出，yi为实际输出；802)计算平均绝对误差：其中，N为样本个数，i为正整数，为预测输出，yi为实际输出；803)计算平均百分误差率：其中，N为样本个数，i为正整数，为预测输出，yi为实际输出。本专利技术具有以下有益效果及优点：1.本专利技术利用改进后的果蝇优化算法(IFOA)设置简单，参数易调整和很强的全局搜索能力的优点，建立了基于改进果蝇优化算法的一种有杆泵抽油井动态液位预测模型，通过对最小二乘支持向量模型目标函数中的γ和混合核函数中的σ，λ进行参数寻优，提高了模型的预测的精度和推广泛化能力，随着预测时间延长，预测模型具有较高的预测精度和较强的稳定性。2.本专利技术方法取代了人工手动测量，降低了生产成本，有效避免了生产中的危险性，通过实证分析，获得了良好效果，证明了所提出的专利技术在有杆泵抽油井动态液位中的有效性。附图说明图1为改进的果蝇算法流程图；图2为本专利技术有杆泵抽油井动态液位软测量本文档来自技高网...

【技术保护点】
1.一种基于改进果蝇算法的有杆泵抽油井动态液位软测量，其特征在于包括以下步骤：1)采集有杆泵抽油井动态液位数据，包括抽油机示功图数据、有杆泵抽油井井口套压、有杆泵抽油井日产液量、有杆泵抽油井实测动态液位数据；2)根据采集到的抽油井示功图数据，计算上冲程过程平均载荷和下冲程过程平均载荷；根据采集到的有杆泵抽油井日产液量和理论计算的有杆泵抽油井日产液量计算抽油机泵效；3)去除采集到的有杆泵抽油井数据的异常数据，对上冲程平均载荷、下冲程平均载荷、有杆泵抽油井井口套压、有杆泵抽油井日产液量、抽油机泵效以及实测动态液位数据进行归一化处理，将数据归一化到[0，1]区间内，生成数据集并且进行分组，即训练集和测试集；4)采用多项式核函数和径向基核函数构建的混合核函数作为最小二乘支持向量机模型的核函数，以上冲程平均载荷、下冲程平均载荷、有杆泵抽油井井口套压、有杆泵抽油井日产液量、抽油机泵效为输入数据，实测动态液位为输出数据，确定参数组合(γ，σ，λ)，其中γ为正则化参数，σ为径向基函数的宽度参数，λ为混合权重系数；5)采用改进后的果蝇优化算法(IFOA)对最小二乘支持向量机的参数组合(γ，σ，λ)进行优化，在全局范围内得到最优值；6)代入经过优化的参数，构造基于改进果蝇优化最小二乘支持向量机的动态液位预测模型；7)输入数据集，通过预测模型生成动态液位预测结果；8)根据动态液位预测结果和实测动态液位数据，进行预测误差评价分析。...

【技术特征摘要】
1.一种基于改进果蝇算法的有杆泵抽油井动态液位软测量，其特征在于包括以下步骤：1)采集有杆泵抽油井动态液位数据，包括抽油机示功图数据、有杆泵抽油井井口套压、有杆泵抽油井日产液量、有杆泵抽油井实测动态液位数据；2)根据采集到的抽油井示功图数据，计算上冲程过程平均载荷和下冲程过程平均载荷；根据采集到的有杆泵抽油井日产液量和理论计算的有杆泵抽油井日产液量计算抽油机泵效；3)去除采集到的有杆泵抽油井数据的异常数据，对上冲程平均载荷、下冲程平均载荷、有杆泵抽油井井口套压、有杆泵抽油井日产液量、抽油机泵效以及实测动态液位数据进行归一化处理，将数据归一化到[0，1]区间内，生成数据集并且进行分组，即训练集和测试集；4)采用多项式核函数和径向基核函数构建的混合核函数作为最小二乘支持向量机模型的核函数，以上冲程平均载荷、下冲程平均载荷、有杆泵抽油井井口套压、有杆泵抽油井日产液量、抽油机泵效为输入数据，实测动态液位为输出数据，确定参数组合(γ，σ，λ)，其中γ为正则化参数，σ为径向基函数的宽度参数，λ为混合权重系数；5)采用改进后的果蝇优化算法(IFOA)对最小二乘支持向量机的参数组合(γ，σ，λ)进行优化，在全局范围内得到最优值；6)代入经过优化的参数，构造基于改进果蝇优化最小二乘支持向量机的动态液位预测模型；7)输入数据集，通过预测模型生成动态液位预测结果；8)根据动态液位预测结果和实测动态液位数据，进行预测误差评价分析。2.根据权利要求1所述的基于改进果蝇算法的有杆泵抽油井动态液位软测量，其特征在于步骤4)中，采用多项式核函数和径向基核函数构建的混合核函数作为最小二乘支持向量机模型的核函数的具体过程为：采用的多项式核函数为：KPoly(x,xi)＝(x·xi+1)2(5)采用的径向基核函数为：构建的混合核函数为：K(x,xi)＝λ·KPoly+(1-λ)·KRBF,0＜λ＜1(7)其中，x为输入样本中的某一固定样本，xi为输入样本中的第i个样本，i取为正整数，σ为径向基核函数的宽度参数，λ为混合权重系数。3.根据权利要求1所述的基于改进果蝇算法的有杆泵抽油井动态液位软测量，其特征在于步骤5)中，采用改进后的果蝇优化算法(IFOA)对最小二乘支持向量机的参数组合(γ，σ，λ)进行优化，具体为：501)读入抽油井生产数据；502)确定抽油井生产数据中种群个体数量和最大迭代次数，并随机初始化果蝇的位置其中，X_axis为初始化时果蝇的X轴坐标，Yaxis为初始化时果蝇的Y轴坐标；503)设定果蝇个体随机方向和距离：其中，h0为初始步长，n为当前迭代次数，Nt为最大迭代次数，a根据实际情况取的正整数值；504)估计果蝇位置与原点之间的距离，计算味道浓度值：505)以训练集数据预测的均方根误差为味道浓度函数，其表达式为：将参数组合(γ,σ,λ)代入最小二乘支持向量机的预测模型中，求出该果蝇味道浓度Smelli；506)找到果蝇群体中味道浓度最优的个...

【专利技术属性】
技术研发人员：高宪文，李书行，张遨，王明顺，魏晶亮，郑博元，李东玉，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21