CN105404747A - 一种融合总流量与电导探针阵列信号的水平井持水率测量方法 - Google Patents
一种融合总流量与电导探针阵列信号的水平井持水率测量方法 Download PDFInfo
- Publication number
- CN105404747A CN105404747A CN201510868041.7A CN201510868041A CN105404747A CN 105404747 A CN105404747 A CN 105404747A CN 201510868041 A CN201510868041 A CN 201510868041A CN 105404747 A CN105404747 A CN 105404747A
- Authority
- CN
- China
- Prior art keywords
- water
- horizontal well
- total flow
- probe array
- oil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 103
- 239000000523 sample Substances 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000013598 vector Substances 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 235000020681 well water Nutrition 0.000 claims description 39
- 239000002349 well water Substances 0.000 claims description 39
- 230000005514 two-phase flow Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 14
- 238000002790 cross-validation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 239000012071 phase Substances 0.000 description 27
- 238000004519 manufacturing process Methods 0.000 description 13
- 239000007788 liquid Substances 0.000 description 6
- 239000008346 aqueous phase Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- XQCFHQBGMWUEMY-ZPUQHVIOSA-N Nitrovin Chemical compound C=1C=C([N+]([O-])=O)OC=1\C=C\C(=NNC(=N)N)\C=C\C1=CC=C([N+]([O-])=O)O1 XQCFHQBGMWUEMY-ZPUQHVIOSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Measuring Volume Flow (AREA)
Abstract
一种融合总流量与电导探针阵列信号的水平井持水率测量方法属于多相流检测技术领域。首先,建立水平井油相扇形面的弧长到水平井持水率的计算关系;然后,获取电导探针阵列信号,并用高速相机记录的油相扇形弧长以得到对应的持水率值作为参考值;其次,建立总流量和电导探针阵列信号到持水率参考值的非线性支持向量回归模型;最后,利用建立的非线性支持向量回归模型进行水平井持水率的高精度预测。实验结果表明本发明方法是可行和有效的,不仅泛化能力强,而且可大幅提高持水率的测量精度。
Description
【技术领域】
本发明属于多相流检测技术领域,特别是针对中低产液水平井,提出的一种融合总流量和电导探针阵列信号并结合非线性支持向量回归(Supportvectorregression,SVR)模型进行水平井持水率测量的方法。
【背景技术】
生产测井指在采油井、注水井、观察井等投产至报废的生产过程中进行的地球物理测井,可分为工程技术测井、产层评价测井和生产动态测井。生产动态测井主要任务是对产出井的流动剖面进行动态监测,以了解产层出力状况和流体组分含量,为油田挖潜与细化管理提供依据。由于近年来石油开采的深入,国内大多数陆上注水垂直井已进入高含水生产阶段,现有测井仪在分辨率与精度方面已难以满足测井要求。相比于垂直井,水平井可大幅提高单井产油量以及油藏的采收率,在地面及井下受限制的油气现场进行大规模的应用。目前我国水平井技术相对比较落后,常规测井仪多采用中心采样方法进行持水率的测量,无法满足高精度的测量需要。因此,水平井中油水两相流持水率测量的研究对推动水平井测井技术的发展有着非常重要的意义。
在油气田开发过程中,油水分相流量测量对监测各产层产出、估计油产量、指导油井注采、提高采收率、节约能耗以及预测油井开发寿命等方面具有重要的作用。在井下难以通过油水分离分别测量油和水的分相流量,通常是先测得油水两相流总流量和含水率,或者先测得油和水的分相流速和持水率,然后计算出油和水的分相流量。由于油水分相流速难以测量,国内一些油田通常采用测量总流量和持水率的方法近似得到油水分相流量。因此,持水率是产出剖面测井中非常重要的多相流参数。持水率是指在井筒中任一截面内水相面积所占总面积的百分比,含水率是指单位时间内流过井筒的水相体积流量占多相流总体积流量的百分比。含水率也是非常重要的多相流参数,但是油水两相流型多变,且两相流相间存在复杂的界面效应和滑脱现象,致使持水率往往并不等于含水率。因此,水平井持水率的高精度测量仍然是极具挑战性的工作。
目前,水平井持水率的测量得到国家的高度重视,国家科技部先后组织开展了水平井持水率测量的相关课题的研究工作。在“十二五”期间,立项了“油气测井重大技术与装备”国家科技重大专项,并在子课题“基于电导法的两相流成像测井传感器优化设计及井下电路设计”中对持水率测井仪样机的研制和测量方法进行了更深入地研究,先后在水平模拟井和油气现场进行了实验,将持水率的测量精度控制在8%以内。国家知识产权局授权了一些关于石油生产测井监测领域的发明专利。例如,授权的两项发明专利“一种基于遗传算法的多环电极阵列传感器结构优化方法”(ZL201210544383.X)和“一种环形持水率测井传感器阵列的结构优化方法”(ZL201010543247.X)都是对持水率测井仪的结构进行了研究,并对探针阵列的位置布局和探针结构进行优化,提高了中低产液水平井的持水率/含水率测量和流型识别的精度。授权发明专利“一种基于电导探针阵列传感器的水平井多参数估计方法”(ZL201310193498.3)提出了对电导探针阵列传感器的方位角、水平井的水相电导率和油水界面高度的估计方法,可用于低产液水平井产出剖面的在线测量和动态监测,而且测量下限低、精度高、可靠性好。其中,提出的水平井油水界面高度的估计方法用于水平井的持水率测量,能提高水平井持水率的测量精度。
国内外学者对持水率的测量方法积极开展了研究,并提出了大量的方法,如探针法、射线法、电学层析成像法以及软测量方法等。探针法可分为电导探针法、光纤探针法和电容探针法三类。电导探针法及电容探针法是通过测量探针处的流体导电性的电压响应值来确定该点介质分布,进行持水率的测量。光纤探针法则是利用液相的折射率高于气相的原理来区分液相和气相,通过测量多相流在棱镜上的反射光强度获得探针周围的介质分布来进行持水率的测量。射线法是比较经过多相流体的射线的衰减程度来获得相持率。射线层析成像可获取井筒某一横截面相持率的时变信息,实现流动可视化,而且测量精度高,但是需要一个稳定可靠的射线源,且存在辐射安全问题。电学层析成像法通过对被测对象施加电激励,检测其边界值的变化,并利用逆问题求解算法逆向推出被测物体内部电学特性的参数分布,从而实时获得持水率信息。基于信息融合的软测量方法是将传统的传感器测量技术与人工神经网络和支持向量机结合,该方法也被广泛应用于持水率的检测。
传统的测井仪多是通过判断水平井中油水界面高度来测量持水率,这种方法测量持水率的精度不仅受探针的结构和位置分布的影响,而且受油水两相流的流型及流速的影响。目前多数的持水率测量方法是对测井仪探针阵列的结构进行优化,并结合人工神经网络和支持向量机等软测量的方法提高测量精度。由于进行信息融合的主要成分是探针阵列在油水两相流中的通断信息,限制了水平井持水率的测量精度。
【发明内容】
本发明的目的是针对中低产液水平井提出一种融合总流量与电导探针阵列信号并结合非线性SVR模型进行水平井持水率测量的方法,提高水平井持水率的测量精度。本发明提出的持水率测量方法的总体实施方案如图1所示。可收缩式双环电导探针阵列传感器结构如图2所示,双环电导探针阵列测井仪通过电导测量电路(24)记录各支电导探针的输出,得到油水两相流的时变电学特性作为测量信号。将油水两相流总流量和电导探针阵列信号作为非线性SVR模型的输入,在不改变测井仪探针结构的基础上大幅提高水平井持水率的测量精度。
为实现上述目的,本发明提供了一种融合总流量与电导探针阵列信号的水平井持水率测量方法,采用以下技术方案:
一种融合总流量与电导探针阵列信号的水平井持水率测量方法,其特征在于,步骤如下:
第一步,建立由水平井油相扇形面弧长到水平井持水率的计算公式。
在中低产液水平井中,油水两相流由于重力分异作用而明显出现相对稳定的分层流动现象,密度较小的油相靠近管道上壁流动,密度较大的水相在管道底部流动,形成相对稳定的界面高度。水平井油水两相分层流的横截面示意图如图3所示,棕红色代表油(31),蓝色代表水(35),L代表油相扇形面的弧长(32),r代表水平井内径半径(33),θ代表油相扇形面的圆心角(34)。
水平井持水率α是指在多相流管流中任一截面内水相面积占管道截面总面积的百分比,即
式中,圆心角θ可表示为
结合式[1]和式[2]可进一步将水平井持水率的计算公式表示为
第二步,获取建立非线性SVR模型的训练样本,获取过程如下:
(a)在水平井油水两相流管道上,以ΔF为步长,从最低总流量Fmin到最高总流量Fmax逐步调节油水两相流的总流量,获得总流量设定值向量{Fi|i=1,2,…,I},其中,i为总流量设定值的序号,I为总流量设定值的个数,F1=Fmin,FI=Fmax,Fi=Fmin+(i–1)ΔF;在总流量设定值Fi(i=1,2,…,I)下,以Δβ为步长,从最低含水率βmin到最高含水率βmax逐步调节油水两相流的含水率,获得含水率设定值向量{βj|j=1,2,…,J},其中,j为含水率设定值的序号,J为含水率设定值的个数,β1=βmin,βJ=βmax,βj=βmin+(j-1)Δβ,从而得到I×J种总流量设定值和含水率设定值的组合;
(b)在每种总流量设定值和含水率设定值的组合下,分别测量24支电导探针的电压输出,当输出电压Vi,j大于阈值电压Vth时,判定该探针在油中,将该探针的输出用逻辑“0”表示,反之用逻辑“1”表示,因此获得电导探针阵列输出的向量为Rt(t=1,2,…,I×J),其中,t为探针阵列输出向量序号,I×J为探针阵列输出向量的个数,Rt为1行24列的行向量;同时利用高速相机(45)进行摄像,获取设定值组合下的油相扇形面的弧长Lt(t=1,2,…,I×J);
(c)根据第一步建立的油相扇形面弧长到持水率的计算关系,利用第二步中步骤(b)得到的油相扇形面弧长值Lt(t=1,2,…,I×J)获得水平井持水率αt(t=1,2,…,I×J),并与总流量设定值Fi(i=1,2,…,I)和探针阵列输出向量Rt(t=1,2,…,I×J)共同构成支持向量回归模型的训练样本;
第三步,建立从总流量设定值和电导探针阵列信号到高速摄像获得的持水率参考值的非线性SVR模型,过程如下:
(a)将第二步获得的I×J组训练样本进行50次随机划分,得到各占80%和20%的训练集和测试集,测试集和训练集的数据格式一样。训练集的一个样本记作
式中,xm表示1×25的行向量,即测试集的总流量设定值和24支电导探针阵列信号,ym表示利用高速相机(45)获得的持水率参考值,l表示训练集的长度,即l=0.8·(I×J)。
(b)建立非线性SVR模型。非线性SVR模型的建模过程如图5所示,其非线性超平面回归函数f(x)的表达式为
f(x)=ωTx+b[5]
为确定其权重向量ω和偏置b(52),需要求解正则化风险函数
s.t.(ωTxm+b)-ym≤ε+ξm[6]
式中,C>0表示惩罚因子,ε>0表示给定精度,ξi,表示松弛变量。为方便求解公式[6],通过构建Lagrange函数,并引入高斯径向基核函数(54)
式中,σ表示核半径。将公式[6]写成对偶形式
式中,λi,λi *表示非负的Lagrange乘子(55)。解得非线性SVR模型的非线性超平面回归函数为
式中,偏置b(52)的表达式为
用测试集样本进行交叉验证,从而建立高精度持水率预测的非线性SVR模型。
第四步,利用第三步获得的非线性SVR模型用于水平井持水率的在线测量,即
将涡轮流量计实际测得的总流量和探针阵列测得的持水率作为非线性SVR模型的输入,预测更高精度的水平井持水率值。
本发明专利提出的一种基于总流量与电导探针阵列信号并结合非线性SVR模型的水平井持水率测量方法是可行和有效的,不仅泛化能力强,而且可大幅提高持水率的测量精度。
【说明书附图】
图1是融合总流量与电导探针阵列信号的水平井持水率测量方法示意图;
图2双环电导探针阵列测井仪结构图,图中扶正器A(21),驱动电机(22),电导探针阵列(23),电导测量电路(24),扶正器B(25),电缆接口(26);
图3是水平井油水两相分层流的横截面示意图,图中油(31),油相扇形面的弧长(32),水平井内径半径(33),油相扇形面圆心角(34),水(35);
图4是基于CCD高速摄像法的持水率测量的结构图,图中水平模拟井井筒(41),LED灯(42),计算机(43),图像卡(44),高速相机(45);
图5是非线性SVR模型的建模示意图,图中输入向量(51),偏置(52),预测值(53),核函数(54),拉格朗日算子(55)。
【具体实施方式】
本实例提出的方法在大庆石油测试服务分公司测井试井检测实验中心125mm内径的水平模拟井中进行实验验证,水平模拟井长度为12m。实验用油为柴油,密度0.825g/cm3、粘度3×10-3Pa·s、表面张力28.62×10-3N/m。实验用水为自来水,密度为1g/cm3,粘度为0.890×10-3Pa·s,表面张力为71.25×10-3N/m。油水两相流总流量的变化范围为10~200m3/d,含水率的变化范围为0~100%。测井仪为可收缩双环电导探针阵列测井仪,测井仪位于离水平井进水端12m处。
水平井中,可收缩双环电导探针阵列测井仪通过电导测量电路记录24支电导探针的输出,得到油水两相流的时变电学特性。将油水两相流的总流量和电导探针阵列信号作为非线性SVR模型的输入,获取更高精度的持水率。
一种融合总流量与电导探针阵列信号的水平井持水率的测量方法,其特征在于,步骤如下:
第一步,建立由水平井油相扇形面弧长到水平井持水率的计算公式。
水平井油水两相分层流的横截面示意图如图3所示,棕红色代表油(31),蓝色代表水(35),水平井持水率α是指在多相流管流中任一截面内水面积所占管道截面总面积的百分比,即
式[1]中,L代表油相扇形面的弧长(32),r代表水平井内径半径(33)。
第二步,获取建立水平井持水率预测的非线性SVR模型的训练样本,获取过程如下:
(a)在水平井油水两相流管道上,以10m3/d为步长,从0-200m3/d逐步调节油水两相流的总流量,获得总流量设定值向量{Fi|i=1,2,…,20},其中,i为总流量设定值的序号,F1=0,FI=200m3/d,Fi=10·(i–1)m3/d;在总流量设定值Fi(i=1,2,…,20)下,以10%为步长,从0-100%逐步调节油水两相流的含水率,获得含水率设定值向量{βj|j=1,2,…,10},其中,j为含水率设定值的序号β1=0,βJ=100%,βj=10%·(j-1),从而得到220种总流量设定值和含水率设定值的组合;
(b)在每种总流量设定值和含水率设定值的组合下,分别测量24支电导探针的电压输出,当输出电压Vi,j大于阈值电压Vth时,判定该探针在油中,将该探针的输出用逻辑“0”表示,反之用逻辑“1”表示,因此获得电导探针阵列输出的向量为Rt(t=1,2,…,220),其中,t为探针阵列输出向量序号,Rt为1×24的行向量;同时利用130万像素的高速相机(45)进行摄像,获取设定值组合下的油相扇形面的弧长值Lt(t=1,2,…,220);
(c)根据第一步建立的油相扇形面弧长到持水率的计算关系,利用第二步中步骤(b)得到的油相扇形面的弧长值Lt(t=1,2,…,220)获得水平井持水率αt(t=1,2,…,220),并与总流量设定值Fi(i=1,2,…,20)和探针阵列输出向量Rt(t=1,2,…,220)共同构成SVR模型的训练样本;
第三步,建立从总流量和电导探针阵列信号到高速摄像法获得的持水率值的非线性SVR模型,并进行参数优化,过程如下:
(a)将第二步获得的220种训练样本进行50次随机划分,得到各占80%和20%的训练集和测试集;训练集中任一样本的总流量设定值Fi和电导探针阵列输出向量Rt构建1×25的行输入向量,高速相机(45)获取的油相扇形面弧长值Lt得到的水平井持水率αt作为输出;
(b)将训练集中的样本输入和输出向量作为非线性支持向量回归模型的输入参数x(51)和输出参数y(53),并引入高斯径向基核函数(54)求出用于水平井持水率预测的超平面回归函数,建立高精度持水率预测的非线性支持向量回归模型,并用测试集进行交叉验证。
第四步,利用第三步获得的非线性SVR模型用于水平井持水率的在线测量,即
将涡轮流量计实际测得的总流量和利用探针阵列测得的持水率作为非线性SVR模型的输入,预测更高精度的水平井持水率值。
为客观评价本发明提出的方法,利用50次随机划分得到的测试集进行交叉验证,得到测试集的均方根误差(Rootsquaremeanerror,RMSE)和平均引用误差(Meanquotederror,MQE)分别为0.0398±0.0067(平均值±标准差)和2.68%±0.46%(平均值±标准差)。
通过上述比较可以得出,本发明专利提出的一种融合总流量与电导探针阵列信号并结合非线性SVR模型的水平井持水率测量方法是可行和有效的,不仅泛化能力强,而且可大幅提高持水率的测量精度。
以上所述仅为本发明具体实施方法的基本方案,但本发明的保护范围并不局限于此,任何熟悉本技术领域的人员在本发明公开的技术范围内,可想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。所有落入权利要求的等同的含义和范围内的变化都将包括在权利要求的范围之内。
Claims (1)
1.一种融合总流量与电导探针阵列信号的水平井持水率测量方法,其特征在于,步骤如下:
第一步,建立由水平井油相扇形面弧长到水平井持水率的计算公式,即
式[1]中,α表示水平井油水两相流的持水率,L表示油相扇形面弧长(32),r表示水平井内径半径(33);
第二步,获取建立支持向量回归模型的训练样本,获取过程如下:
(a)在水平井油水两相流管道上,以ΔF为步长,从最低总流量Fmin到最高总流量Fmax逐步调节油水两相流的总流量,获得总流量设定值向量{Fi|i=1,2,…,I},其中,i为总流量设定值的序号,I为总流量设定值的个数,F1=Fmin,FI=Fmax,Fi=Fmin+(i–1)ΔF;在总流量设定值Fi(i=1,2,…,I)下,以Δβ为步长,从最低含水率βmin到最高含水率βmax逐步调节油水两相流的含水率,获得含水率设定值向量{βj|j=1,2,…,J},其中,j为含水率设定值的序号,J为含水率设定值的个数,β1=βmin,βJ=βmax,βj=βmin+(j-1)Δβ,从而得到I×J种总流量设定值和含水率设定值的组合;
(b)在每种总流量设定值和含水率设定值的组合下,分别测量24支电导探针的电压输出,当输出电压Vi,j大于阈值电压Vth时,判定该探针在油中,将该探针的输出用逻辑“0”表示,反之用逻辑“1”表示,因此获得电导探针阵列输出的向量为Rt(t=1,2,…,I×J),其中,t为探针阵列输出向量序号,I×J为探针阵列输出向量的个数,Rt为1行24列的行向量;同时利用高速相机(45)进行摄像,获取设定值组合下的油相扇形面的弧长值Lt(t=1,2,…,I×J);
(c)根据第一步建立的油相扇形面弧长到持水率的计算关系,利用第二步中步骤(b)得到的油相扇形面弧长值Lt(t=1,2,…,I×J)获得水平井持水率αt(t=1,2,…,I×J),并与总流量设定值Fi(i=1,2,…,I)和探针阵列输出向量Rt(t=1,2,…,I×J)共同构成支持向量回归模型的训练样本;
第三步,建立水平井持水率预测的非线性支持向量回归模型,过程如下:
(a)将第二步获得的I×J种训练样本进行50次随机划分,得到各占80%和20%的训练集和测试集;训练集中的总流量设定值Fi(i=1,2,…,I)和电导探针阵列输出向量Rt(t=1,2,…,I×J)构建1行25列的输入向量,高速相机(45)获取的油相扇形面弧长值Lt(t=1,2,…,I×J)得到的水平井持水率αt(t=1,2,…,I×J)作为输出;
(b)将训练集中的样本输入和输出向量作为非线性支持向量回归模型的输入参数(51)和输出参数(53),并引入高斯径向基核函数(54)求出用于水平井持水率预测的超平面回归函数,建立高精度持水率预测的非线性支持向量回归模型,并用测试集进行交叉验证;
第四步,利用第三步获得的非线性支持向量回归模型用于水平井持水率的在线测量,即
将涡轮流量计实际测得的总流量和利用探针阵列测得的持水率作为非线性支持向量回归模型的输入,预测更高精度的水平井持水率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868041.7A CN105404747A (zh) | 2015-12-02 | 2015-12-02 | 一种融合总流量与电导探针阵列信号的水平井持水率测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868041.7A CN105404747A (zh) | 2015-12-02 | 2015-12-02 | 一种融合总流量与电导探针阵列信号的水平井持水率测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105404747A true CN105404747A (zh) | 2016-03-16 |
Family
ID=55470234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510868041.7A Pending CN105404747A (zh) | 2015-12-02 | 2015-12-02 | 一种融合总流量与电导探针阵列信号的水平井持水率测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105404747A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105971594A (zh) * | 2016-05-18 | 2016-09-28 | 北京航空航天大学 | 一种基于最小均方根误差的水平井持水率测量方法 |
CN108252706A (zh) * | 2018-02-08 | 2018-07-06 | 天津大学 | 一种油井低产液高含水油水两相流流量测量方法 |
CN109359692A (zh) * | 2018-10-23 | 2019-02-19 | 中国石油大学(北京) | 一种原油含水率在线测量模型及其构建方法、应用 |
CN110630244A (zh) * | 2019-07-09 | 2019-12-31 | 东营智图数据科技有限公司 | 一种基于多传感器测量及长短时记忆网络的高产气油井含水率预测系统及方法 |
CN111289579A (zh) * | 2020-03-12 | 2020-06-16 | 燕山大学 | 一种基于陆面气液分离集成传感器及持水率矫正方法 |
CN113431553A (zh) * | 2021-08-10 | 2021-09-24 | 大庆亿莱检验检测技术服务有限公司 | 水平井多相流体测量装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103277084A (zh) * | 2013-05-23 | 2013-09-04 | 北京航空航天大学 | 一种基于电导探针阵列传感器的水平井多参数估计方法 |
CN103541725A (zh) * | 2012-07-11 | 2014-01-29 | 中国石油化工股份有限公司 | 用界面高度求水平井持率的方法 |
WO2014116454A1 (en) * | 2013-01-25 | 2014-07-31 | Schlumberger Canada Limited | Methods and systems for calculating and evaluting value of information for reservoir fluid models derived from dfa tool data |
CN103967477A (zh) * | 2014-05-21 | 2014-08-06 | 北京航空航天大学 | 一种基于电导探针阵列和信息融合技术的水平井参数检测方法 |
-
2015
- 2015-12-02 CN CN201510868041.7A patent/CN105404747A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103541725A (zh) * | 2012-07-11 | 2014-01-29 | 中国石油化工股份有限公司 | 用界面高度求水平井持率的方法 |
WO2014116454A1 (en) * | 2013-01-25 | 2014-07-31 | Schlumberger Canada Limited | Methods and systems for calculating and evaluting value of information for reservoir fluid models derived from dfa tool data |
CN103277084A (zh) * | 2013-05-23 | 2013-09-04 | 北京航空航天大学 | 一种基于电导探针阵列传感器的水平井多参数估计方法 |
CN103967477A (zh) * | 2014-05-21 | 2014-08-06 | 北京航空航天大学 | 一种基于电导探针阵列和信息融合技术的水平井参数检测方法 |
Non-Patent Citations (2)
Title |
---|
柴金刚: "《基于电导成像测井的持水率的测量及动态实验》", 《石油仪器》 * |
陈健军: "《生产测井中油水两相流含水率/持水率测量方法研究》", 《HTTP://WWW.DOC88.COM/P-5734427542729.HTML》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105971594A (zh) * | 2016-05-18 | 2016-09-28 | 北京航空航天大学 | 一种基于最小均方根误差的水平井持水率测量方法 |
CN105971594B (zh) * | 2016-05-18 | 2019-02-01 | 北京航空航天大学 | 一种基于最小均方根误差的水平井持水率测量方法 |
CN108252706A (zh) * | 2018-02-08 | 2018-07-06 | 天津大学 | 一种油井低产液高含水油水两相流流量测量方法 |
CN109359692A (zh) * | 2018-10-23 | 2019-02-19 | 中国石油大学(北京) | 一种原油含水率在线测量模型及其构建方法、应用 |
CN110630244A (zh) * | 2019-07-09 | 2019-12-31 | 东营智图数据科技有限公司 | 一种基于多传感器测量及长短时记忆网络的高产气油井含水率预测系统及方法 |
CN110630244B (zh) * | 2019-07-09 | 2022-12-02 | 东营智图数据科技有限公司 | 一种基于多传感器测量及长短时记忆网络的高产气油井含水率预测系统及方法 |
CN111289579A (zh) * | 2020-03-12 | 2020-06-16 | 燕山大学 | 一种基于陆面气液分离集成传感器及持水率矫正方法 |
CN113431553A (zh) * | 2021-08-10 | 2021-09-24 | 大庆亿莱检验检测技术服务有限公司 | 水平井多相流体测量装置 |
CN113431553B (zh) * | 2021-08-10 | 2021-12-03 | 大庆亿莱检验检测技术服务有限公司 | 水平井多相流体测量装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105404747A (zh) | 一种融合总流量与电导探针阵列信号的水平井持水率测量方法 | |
CN103353322B (zh) | 一种基于分布式光纤测温系统的土石堤坝浸润线监测方法 | |
Peng et al. | Application of the fiber-optic distributed temperature sensing for monitoring the liquid level of producing oil wells | |
Nakoryakov et al. | Study of local hydrodynamic characteristics of upward slug flow | |
Zheng et al. | Gas–liquid two phase flow measurement method based on combination instrument of turbine flowmeter and conductance sensor | |
CN105064993B (zh) | 一种基于电导探针阵列信息融合的垂直井含水率测量方法 | |
Hamad et al. | Evaluation of hot-film, dual optical and Pitot tube probes for liquid–liquid two-phase flow measurements | |
CN103994793A (zh) | 基于双持气率计的多相流量测量方法及测量装置 | |
Zhao et al. | A three-index estimator based on active thermometry and a novel monitoring system of scour under submarine pipelines | |
Li et al. | Design and optimization of the fiber-optic probe array for measuring gas holdup in oil-gas-water multiphase flow | |
Suárez et al. | Investigating river–aquifer interactions using heat as a tracer in the Silala river transboundary basin | |
He et al. | Temperature tracer method in structural health monitoring: A review | |
Zhu et al. | Flow regime detection using gamma-ray-based multiphase flowmeter: A machine learning approach | |
CN102305061B (zh) | 一种多相流体的饱和度解释方法 | |
CN105574272A (zh) | 一种基于双环电导探针阵列的水平井持水率测量方法 | |
CN108398236A (zh) | 斜管式沉沙池流场信息及泥沙运移特性测量方法与系统 | |
Islam et al. | Experimental modeling of gravity underflow in a sinuous submerged channel | |
Yang et al. | Comprehensive well test interpretation method, process, and multiple solutions analysis for complicated carbonate Reservoirs | |
Mukherjee et al. | Sensor‐based flow pattern detection—gas–liquid–liquid upflow through a vertical pipe | |
CN105971594A (zh) | 一种基于最小均方根误差的水平井持水率测量方法 | |
CN105003249A (zh) | 一种基于总流量与电导探针阵列信号的水平井流型识别方法 | |
Shi et al. | A research on a GA-BP neural network based model for predicting patterns of oil-water two-phase flow in horizontal wells | |
CN206458460U (zh) | 井下测量装置以及井下测量系统 | |
CN104989377A (zh) | 一种基于总流量与电导探针阵列信号的垂直井含水率测量方法 | |
Song et al. | Simulation logging experiment and interpretation model of array production logging measurements in a horizontal well |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160316 |
|
WD01 | Invention patent application deemed withdrawn after publication |