CN104516991A - 一种伽马传感器全温度范围补偿方法 - Google Patents

Abstract

本发明公开了一种伽马传感器全温度范围补偿方法，首先确定伽马传感器全温度补偿试验的温度点选取方法；然后利用数据窗口选取各温度点对应的样本数据段，满足窗口内数据误差最小；对数据段内的伽马传感器测量值进行异常值检测与剔除，使结果符合3准则；选取合适的基函数建立伽马传感器测量值全温度补偿模型，在模型参数求取过程中，提出一种模型评价函数，通过不断迭代找到评价函数值最小值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。利用该方法可以消除伽马传感器的温度漂移造成的误差，实现全温度范围内补偿，从而提高仪器的测量精度。

Description

一种伽马传感器全温度范围补偿方法

技术领域

本发明涉及石油钻井、随钻测井和电缆测井技术领域中的一种伽马传感器全温度范围补偿方法。

背景技术

在石油行业地质导向钻井和随钻测井中，通常通过随钻伽马测井沿井身测量岩层的天然伽马射线强度。根据自然伽马测井结果就有可能划分出钻孔的地质剖面、确定砂泥岩剖面中砂岩泥质含量和定性地判断岩层的渗透性，是测井解释评价油气储藏的主要依据。

通过分析发现，不同的温度段对应的伽马传感器的测量值是不同的，伽马传感器的计数涨落起伏随温度升高变化较大，从而导致测量不准确不稳定。如果不考虑温度对伽马传感器的影响，在刻度过程中选取同样的系数，则测量值必定存在着一定的误差，因此有必要对伽马传感器进行全温度范围的补偿修正。

为了消除温度对伽马传感器产生的非线性影响，目前，公知的研究方法包括硬件补偿和软件补偿两种方法。硬件补偿方法由于受到电路中电子元器件漂移等因素的影响，导致整个测量系统可靠性差且精度低，无法做到全程补偿，实际使用过程中应用受到限制。软件补偿方法主要包括两类，一类是预先依靠经验假设出补偿方程，再通过多项式拟合或插值的方法进行计算，如曲线拟合法、分段线性插值法等，这类方法很容易导致“欠拟合”和“过拟合”现象的发生，病态方程的出现，从而使得适应性较低，精度低；而另一类方法采用人工智能方法，如神经网络算法等，先进行训练学习，获得大量的数据，然后再进行加权计算得出结果，这种方法计算量很大，容易陷入局部极值。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种伽马传感器全温度范围补偿模型方法，消除测量过程中温度对伽马传感器测量值的影响，提高仪器测量精度。

本发明的技术方案为：

一种伽马传感器全温度范围补偿方法，首先确定伽马传感器全温度补偿试验的温度点选取方法；然后利用数据窗口选取各温度点对应的样本数据段，满足窗口内数据误差最小；对数据段内的伽马传感器测量值进行异常值检测与剔除，使结果符合3                                                准则；选取合适的基函数建立伽马传感器测量值全温度补偿模型，在模型参数求取过程中，提出一种模型评价函数，通过不断迭代找到评价函数值最小值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。

上述方案进一步包括：

步骤四中，选取基函数建立伽马传感器测量值全温度补偿模型，其中，是传感器的输出，是传感器的输入，为温度参数，为初始温度，为基函数个数， 为基函数加权系数；

确定伽马传感器测量值全温度补偿模型的基函数加权系数及基函数个数，步骤如下：

1）采用一种折中策略，根据精确度和泛化度提出一种模型评价函数，其中，为精确度和泛化度的折中系数，表示模型基函数个数为时的精确度，表示模型基函数个数为时的泛化度，为样本点数目；

2）当时，，利用最小二乘方法求取加权系数，计算评价函数值；

3）当 时，，利用最小二乘方法求取加权系数，计算评价函数值，比较和大小，如果，则令，转到步骤4），否则运算停止；

4）重复步骤3），直到找到最小的评价函数值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。

伽马传感器各温度点数据选取方法中，根据数据分析需要选取数据窗口大小，设定步长，按步长逐次移动数据窗口，计算每次移动后数据窗口内数据的误差值，选取其中最小的误差值对应的数据窗口作为最终选取的样本数据段；误差计算公式如下:

                                               

式中，为数据窗口大小，为数据窗口移动次数，为数据窗口第次移动后的窗口内的第个数据，为数据窗口第次移动后的窗口内数据的平均值。

所述的对样本数据段内的伽马传感器测量值进行异常值检测与剔除是采用在统计学中的3准则来进行：取标准差计算公式为

                           

式中：为的平均值，为数据样本数目；

采样值为内的数值是正常值，超过则判定为异常值进行剔除。

所述的最小二乘方法求取加权系数运算过程如下：

令，则伽马传感器测量值温度补偿模型可以转换为，，为拟合样本数目，其中待定系数的选择必须满足残差

                                              

取极小值；

根据多元函数极值问题，E取极值的必要条件是

                                                 

令

，

                 ，              

则

                                                     

由此最小二乘拟合问题就转化为超定线性方程组的最小二乘解问题，即

                                                      

通过最小二乘方法可以得到待定系数。

所述的确定伽马传感器全温度补偿试验的温度点选取方法如下：

调节试验箱的温度到试验要求的温度，箱内温度应均匀升高，选定一个初始温度，向上每间隔℃恒温保持时间后，记录伽马传感器测量值，升至仪器的最高工作温度，恒温保持后记录伽马传感器测量值。

本发明的伽马传感器全温度范围补偿方法具有的有益效果是，通过全温度补偿温度点的确定以及样本数据的选取，可以有效筛选出伽马传感器随温度变化的数据样本，构建伽马传感器测量值全温度补偿模型可以消除测量过程中温度对伽马传感器测量值的影响，提高仪器测量精度。

下面结合附图和实施方式对本发明进一步说明。

附图说明

图1仪器温度试验曲线；

图2利用数据窗口进行样本数据段选取；

图3样本数据段异常值检测与剔除；

图4各温度点伽马测量值与温度关系图；

图5伽马传感器温度补偿模型补偿值与测量值对比图。

具体实施方式

下面结合说明书附图对该伽马传感器全温度范围补偿模型方法进行详细说明。

本发明的一种伽马传感器全温度范围补偿方法总体方案是，首先确定伽马传感器全温度补偿试验的温度点选取方法；然后利用数据窗口选取各温度点对应的样本数据段，满足窗口内数据误差最小；对数据段内的伽马传感器测量值进行异常值检测与剔除，使结果符合3准则；选取合适的基函数建立伽马传感器测量值全温度补偿模型，在模型参数求取过程中，提出一种模型评价函数，通过不断迭代找到评价函数值最小值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。

温度点选取：

将伽马传感器放入温度试验箱内，按照图1的仪器温度试验曲线调节试验箱的温度到试验要求的温度，箱内温度应均匀升高，选定一个初始温度，向上每间隔℃恒温保持时间后，记录伽马传感器测量值，升至仪器的最高工作温度，恒温保持后记录伽马传感器测量值。

样本数据段选取：

根据数据分析需要选取数据窗口（每次选定的数据量）大小，选取一定的步长（每次移动的数据个数），按步长逐次移动数据窗口（如图2所示），计算每次移动后数据窗口内数据的误差值，选取其中最小的误差值对应的数据窗口作为最终选取的样本数据段。误差计算公式如下:

                                               （1）

式中，为数据窗口大小，为数据窗口移动次数，为数据窗口第次移动后的窗口内的第个数据，为数据窗口第次移动后的窗口内数据的平均值。

对数据窗口内的异常值（测量结果大大偏离正常范围的数值），在实际数据处理之前，应首先剔除。采用在统计学中的3准则来进行异常值的检测与剔除。依据3准则，若采样数据的值处于平均值的3倍标准差之外，则被称为异常值。其标准差公式为：

                           （2）

式中：为的平均值，为数据样本数目。

采样值中正常值为内的数值，超过则判定为异常值，进行剔除（如图3所示）。

模型建立：

设伽马传感器的特性函数为，其中是传感器的输出，是传感器的输入，增设温度参量，则特性函数变为。首先根据伽马传感器在温度影响下的特性曲线呈现非线性的特点，选取合适的基函数：

                                       （3）

然后建立伽马传感器测量值温度补偿模型：

，其中,为模型基函数，为基函数个数， 为基函数加权系数。

该模型中基函数个数的选取对于伽马传感器温度补偿效果尤为重要：选择的小会导致误差较大，相关系数较小，而选择的大，虽然对于给点温度点的拟合误差会很小，相关系数会较大，但会导致过拟合现象，使模型的泛化能力下降。为解决这个问题，提出一种评价函数

                         （4）

其中                                             （5）

                                              （6）

                         （7）

式中：为精确度和泛化度的折中系数，表示模型基函数个数为时的精确度，表示模型基函数个数为时的泛化度，为样本点数目，为数据验证点数目。

评价函数中折中系数的选取与模型样本数据点数目有着密切的关系，当数据点个数较多时，评价模型时更关注于精确度函数，当数据点个数较少时，泛化度函数对评价模型起到更大的作用。在计算模型泛化度时，数据验证点一般选取异于模型建立时的数据样本点。

模型参数求取：

伽马传感器测量值全温度补偿模型参数包括基函数加权系数及基函数个数，采用如下步骤进行求取：

1）当时，伽马传感器测量值温度补偿模型为，利用最小二乘方法求取加权系数，计算评价函数值；

2）当 时，伽马传感器测量值温度补偿模型为，利用最小二乘方法求取加权系数，计算评价函数值，比较和大小，如果，则令，转到步骤3），否则运算停止；

3）重复步骤2），直到找到最小的评价函数值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。

在上述步骤中利用最小二乘方法求取模型加权系数，具体运算过程如下：

令，则伽马传感器测量值温度补偿模型可以转换为，，为拟合样本数目。其中待定系数的选择必须满足残差

                                              （8）取极小值。

根据多元函数极值问题，E取极值的必要条件是

                                                 （9）

令

，

                 ，              （10）

则

                                                     （11）

由此最小二乘拟合问题就转化为超定线性方程组的最小二乘解问题，即

                                                      （12）

通过最小二乘方法即可以得到待定系数。

利用上述方法可以实现伽马传感器全温度范围补偿。

模型验证：

图4给出了当℃时各温度段伽马测量值与温度关系图，图5为当℃时伽马传感器温度补偿模型补偿值与测量值对比图，表1给出了图5中伽马传感器测量值及模型补偿值的具体数据比较。通过分析表1和图5可以发现，该方法最大误差在误差允许范围之内，相关系数为0.9884，因此该方法是有效的，利用它可以提高仪器的测量精度。

表1

Claims (6)

1.一种伽马传感器全温度范围补偿方法，其特征是：首先确定伽马传感器全温度补偿试验的温度点选取方法；然后利用数据窗口选取各温度点对应的样本数据段，满足窗口内数据误差最小；其三对数据段内的伽马传感器测量值进行异常值检测与剔除，使结果符合3                                                准则；其四选取合适的基函数建立伽马传感器测量值全温度补偿模型，在模型参数求取过程中，提出一种模型评价函数，通过不断迭代找到评价函数值最小值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。

2.根据权利要求1所述的伽马传感器全温度范围补偿方法，其特征是：步骤四具体包括：

选取基函数建立伽马传感器测量值全温度补偿模型，其中，是传感器的输出，是传感器的输入，为温度参数，为初始温度，为基函数个数， 为基函数加权系数；

确定伽马传感器测量值全温度补偿模型的基函数加权系数及基函数个数，步骤如下：

1）采用一种折中策略，根据精确度和泛化度提出一种模型评价函数，其中，为精确度和泛化度的折中系数，表示模型基函数个数为时的精确度，表示模型基函数个数为时的泛化度，为样本点数目；

2）当时，，利用最小二乘方法求取加权系数，计算评价函数值；

3）当 时，，利用最小二乘方法求取加权系数，计算评价函数值，比较和大小，如果，则令，转到步骤4），否则运算停止；

4）重复步骤3），直到找到最小的评价函数值，此时对应的基函数加权系数及基函数个数即为最优的伽马传感器测量值全温度补偿模型参数。

3.根据权利要求2所述的伽马传感器全温度范围补偿方法，其特征是：

伽马传感器各温度点数据选取方法中，根据数据分析需要选取数据窗口大小，设定步长，按步长逐次移动数据窗口，计算每次移动后数据窗口内数据的误差值，选取其中最小的误差值对应的数据窗口作为最终选取的样本数据段；误差计算公式如下:

                                               

式中，为数据窗口大小，为数据窗口移动次数，为数据窗口第次移动后的窗口内的第个数据，为数据窗口第次移动后的窗口内数据的平均值。

4.根据权利要求3所述的伽马传感器全温度范围补偿方法，其特征是：

所述的对样本数据段内的伽马传感器测量值进行异常值检测与剔除步骤，采用在统计学中的3准则来进行：取标准差计算公式为

                           

式中：为的平均值，为数据样本数目；

采样值为内的数值是正常值，超过则判定为异常值进行剔除。

5.根据权利要求4所述的伽马传感器全温度范围补偿方法，其特征是：

所述的最小二乘方法求取加权系数运算过程如下，

令，则伽马传感器测量值温度补偿模型可以转换为，，为拟合样本数目，其中待定系数的选择必须满足残差

                                              

取极小值；

根据多元函数极值问题，E取极值的必要条件是

                                                 

令

，

                 ，              

则

                                                     

由此最小二乘拟合问题就转化为超定线性方程组的最小二乘解问题，即

                                                      

通过最小二乘方法可以得到待定系数。

6.根据权利要求5所述的伽马传感器全温度范围补偿方法，其特征是：

所述的确定伽马传感器全温度补偿试验的温度点选取方法如下，调节试验箱的温度到试验要求的温度，箱内温度应均匀升高，选定一个初始温度，向上每间隔℃恒温保持时间后，记录伽马传感器测量值，升至仪器的最高工作温度，恒温保持后记录伽马传感器测量值。