一种基于电导探针的垂直井流型辨识方法技术

本发明专利技术涉及一种基于电导探针的垂直井流型辨识方法，可用于对油水两相产出井的垂直井段进行流型辨识。该方法的特征在于包括以下步骤：通过动态实验装置获取训练样本和测试样本，对电导探针的输出信号进行多角度特征提取，利用所提取的多个标量特征构建特征向量；采用主成分分析方法对特征向量进行压缩降维，消除各特征参数之间的线性相关性；针对垂直井中的多种流型，采用支持向量机分类方法建立多类流型分类器；选择支持向量机的核函数，利用测试样本对惩罚因子与核函数参数进行优化。本发明专利技术的有益效果是该方法可以对油水两相垂直井的流型进行在线辨识，具有较高的流型辨识准确度，可满足井下测量需求。

【技术实现步骤摘要】
一种基于电导探针的垂直井流型辨识方法
本专利技术涉及一种基于电导探针的垂直井流型辨识方法，可用于对油水两相产出井的垂直井段进行流型辨识。
技术介绍
生产测井通常是指油气井投产以后所进行的测井作业，包括完井后的注入井和产出井测井技术。近年来，生产测井的任务已经从钻井初期的各个阶段扩展至油井的整个开采历程，主要目的是评价油气井自身的状况和监测油藏的动态变化，为油田管理提供依据。根据测量对象和测量目的不同，生产测井大致可划分为三个重要组成部分：工程技术测井、产层评价测井和生产动态测井。其中，产出剖面测井属于生产动态测井的范畴，贯穿于油气井从投产到报废的全过程。主要任务是对产出井的流动剖面进行动态监测，了解每个产层的产出情况。产出剖面的测井解释是精细化油藏描述的基础资料，在油气田开发领域起着举足轻重的作用。在井下，气相主要溶解在油里，而在水中的溶解量很小。对于产气量较少的油井，当流体从地层流入测试井段时，如果井压高于油相泡点压力，气体则不会从油相中析出，这样井筒内的混合流体便可以被认为是油水两相流。在国内陆上油田的开发中，这类油井占有一定比例，因此对油水两相流产出剖面测井技术的研究有着非常重要的意义。
技术实现思路
流型是两相流的重要参数，表征流体在流动过程中各相介质的分布情况。流型对油井生产特性以及生产动态监测的影响一直是生产测井领域的热点关注问题。流型不同，不仅影响井内两相流体的流动特性和传热传质性能，也影响着其它两相流参数的准确测量。通常情况下，如果能在测井之前预知井内的流型，就可以选择更适合的测量仪器，获得更好的测量效果。因此，研究垂直井流型辨识方法对工程应用具有十分重要的意义，要想实现垂直井流量和含水率的准确测量，首先需要确定井内的流型。为了实现流量和含水率的准确测量，本专利专利技术了一种基于电导探针的垂直井流型辨识方法，其特征在于包括下列步骤：(1)通过动态实验装置获取训练样本和测试样本，对电导探针的输出信号采用多种方法进行特征提取，利用所提取的多个标量特征构建特征向量；电导探针的输出信号为单路时间序列信号，特征提取方法包括：统计分析、符号化时间序列分析、混沌时间序列分析、小波变换、Hilbert-Huang变换、分形理论和密度波理论；对于垂直井参数检测，无论是流型辨识还是流量和含水率的测量，都不能直接利用电压信号进行建模，而应在建模之前首先对信号进行特征提取。电压信号的特征提取实质上是对其波动特性的分析和定量描述，而特征提取的好坏又会直接影响参数测量模型的有效性和测量精度。影响信号波动特性的因素很多，当管道参数和探针尺寸结构确定时，这些因素基本来自于两个方面：一方面是流体本身，另一方面来自于两相介质与电导探针的相互作用，其中既有确定性因素又包含了一些随机因素。因此，特征提取方法应该兼顾这两方面的信息。(2)采用主成分分析方法对特征向量进行压缩降维，消除各特征参数之间的线性相关性；主成分Y1，Y2，…，Yp表示为原始特征参数X1，X2，…，Xp的线性组合，记为以下代数形式：式中，Yi＝ui′X为原始特征参数的第i个主成分，ui＝(ui1，ui2，…，uip)′为系数向量，X＝(X1，X2，…，Xp)′为原始特征参数向量，Xi为第i个原始特征参数；其中，向量ui′为向量ui的转置，该线性组合受限于下列a、b、c三条约束原则：a.ui′ui＝1；b.当i≠j时，Yi与Yj相互正交；c.Y1是X1，X2，…，Xp的一切线性组合中的方差最大者，Y2为除Y1以外X1，X2，…，Xp的一切线性组合中的方差最大者，依此类推，Yp为除Y1，Y2，…，Yp-1以外X1，X2，…，Xp的一切线性组合中的方差最大者；为了尽可能完整、全面地反映信号中的有用信息，在步骤(1)中使用多种方法对电压波动信号进行了特征提取来构造特征向量。但是，所提取的特征参数没有经过仔细筛选，在特征向量中不仅包含了反映流体流动规律的有用信息，也包含了由特征之间相关性产生的冗余信息以及噪声。如果直接将特征向量用于流型分类器的构建，将严重影响支持向量机的分类精度和泛化能力。对于这种情况，一般的解决思路是将这些具有相关关系的特征参数用少数几个综合指标来代替。主成分分析是一种多元统计和处理方法，其基本思想是把原始空间中具有一定相关性的多元变量转换为新空间中少数几个互不相关的主成分，对原始数据进行压缩降维的同时，保正较少的信息损失。(3)针对垂直井中的多种流型，采用支持向量机分类方法建立多类流型分类器；垂直井内的流型包括：油包水流型、水包油流型、过渡流型、分散油泡流和分散水泡流；可采用的多分类策略有一对一、一对多、有向无环图和直接构造一个多分类的目标函数；利用训练样本对支持向量机的数学模型进行训练，支持向量机模型的训练是一个带有约束条件的优化问题，可描述为如下形式：式中，w为权重向量，b为偏置，C为惩罚因子，为映射函数，ξi为松弛变量，yi为模型的输出；求解该优化问题需要将其转化为如下对偶形式：式中，K(xi，xj)为满足Mercer条件的核函数，xi为模型的输入，αi为拉格朗日乘子。最终确定支持向量机的数学模型为：流型分类器的决策函数为：油水两相流体与电导探针的相互作用过程十分复杂和难以预测，要想通过建立完备的理论模型进行流型辨识基本上是行不通的。在这种情况下，一个比较理想的解决思路是尝试采用软测量技术。支持向量机是一种新兴的人工智能技术，在处理分类和回归问题上显示了巨大的潜力与优势。支持向量机以结构风险最小化为指导原则，利用有限的样本信息在模型训练精度和泛化性能之间寻求最佳折衷，在解决小样本、非线性及高维数问题时表现出了独特的优势，是目前为止最有效的机器学习方法。(4)选择支持向量机的核函数，利用测试样本对惩罚因子C与核函数参数σ进行优化；支持向量机的核函数选择以下核函数中的一种：线性核函数、多相式核函数、径向基核函数和神经网络核函数；所采用的优化方法为遗传算法；遗传算法同时借鉴了达尔文的进化论和孟德尔的遗传学说，是一种通过模拟生物界自然进化机制发展起来的全局随机搜索及优化方法。遗传算法对目标函数没有可导或连续性的限制而直接进行求解；不需要设定具体的搜索规则和搜索方向，在全局并行搜索满足条件的最优解。遗传算法是智能分析与计算领域的关键技术，已被人们广泛地应用于机器学习、信号处理、智能控制和人工生命等领域。基于遗传算法的优化步骤如下：a.设置初始种群规模，最大进化代数T，惩罚因子C、核函数参数σ的搜索范围，交叉和变异概率；b.对参数C、σ进行染色体编码，随机产生初始种群，初始化进化代数t＝0；c.计算种群中个体的适应度Rcv(C，σ)；d.根据个体适应度，采用轮盘赌的方式从当前种群选出个体进入下一代；e.对种群中的个体进行交叉操作，产生新个体进入下一代；f.对种群中的个体执行变异操作，随机改变个体中某些基因产生新个体；如果不满足终止条件而且t≤T，则跳转至步骤b，如果满足终止条件，则选择适应度最大的个体作为优化结果。。本专利技术的有益效果是该方法可以对油水两相垂直井的流型进行在线辨识，具有较高的流型辨识准确度，可满足井下测量需求。附图说明图1为具体实施方式中流型分类器的建立过程；图2为具体实施方式中所采用的电导探针的结构图，图中：金属外壳(201)，绝缘本文档来自技高网...

【技术保护点】
一种基于电导探针的垂直井流型辨识方法，其特征在于该方法中流型分类器的建立包括以下步骤：(1)通过动态实验装置获取训练样本和测试样本，对电导探针的输出信号采用多种方法进行特征提取，利用所提取的多个标量特征构建特征向量；电导探针的输出信号为单路时间序列信号，特征提取方法包括：统计分析、符号化时间序列分析、混沌时间序列分析、小波变换、Hilbert‑Huang变换、分形理论和密度波理论；(2)采用主成分分析方法对特征向量进行压缩降维，消除各特征参数之间的线性相关性；主成分Y1，Y2，…，Yp表示为原始特征参数X1，X2，…，Xp的线性组合，记为以下代数形式：

【技术特征摘要】
1.一种基于电导探针的垂直井流型辨识方法，其特征在于该方法中流型分类器的建立包括以下步骤：(1)通过动态实验装置获取训练样本和测试样本，对电导探针的输出信号采用多种方法进行特征提取，利用所提取的多个标量特征构建特征向量；电导探针的输出信号为单路时间序列信号，特征提取方法包括：统计分析、符号化时间序列分析、混沌时间序列分析、小波变换、Hilbert-Huang变换、分形理论和密度波理论；(2)采用主成分分析方法对特征向量进行压缩降维，消除各特征参数之间的线性相关性；主成分Y1，Y2，…，Yp表示为原始特征参数X1，X2，…，Xp的线性组合，记为以下代数形式：式中，Yi＝ui′X为原始特征参数的第i个主成分，ui＝(ui1，ui2，…，uip)′为系数向量，X＝(X1，X2，…，Xp)′为原始特征参数向量，Xi为第i个原始特征参数；其中，向量ui′为向量ui的转置，该线性组合受限于下列a、b、c三条约束原则：a.ui′ui＝1；b.当i≠j时，Yi与Yj相互正交；c.Y1是X1，X2，…，Xp的一切线性组合中的方差最大者，Y2为除Y1以外X1，X2，…，Xp的一切线性组合中的方差最大者，依此类推，Yp为除Y1，Y2，…，Yp-1以外X1，X2，…，Xp的一切线性组合中的方差最大者；(3)针对垂直井中的多种流型，采用支持向量机分类方法建立多类流型分类器；垂直井内的流型包括：油包水流型、水包油流型、过渡流型、分散油泡流和分散水泡流；多分类策略包括：一对一、一对多、有向无环图和直接构造一个多分类的目标函数；利用训练样本对支持向量机的数学模型进行训练，支持向量机模型的训练是一个带有约束条件的优化问题，描述为如下形式：

【专利技术属性】
技术研发人员：徐立军，徐文峰，曹章，陈健军，王友岭，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11