[发明专利]一种原油含水率在线测量模型及其构建方法、应用

权利要求书

1.一种原油含水率在线测量模型的构建方法，其特征在于，包括以下步骤：

(1)采用射频法测量油井原油含水率装置进行实验，建立训练样本，被测油样含水率由人工配比制取标定，改变温度和矿化度得到不同工况条件下的射频传感器信号；

(2)针对每个工况条件下的射频信号采用经验模态方法进行预处理，各工况条件下的射频信号数据集为{x^up_i；x^low_i，i＝1，2，…，N}；其中，x^up为上层射频信号，x^low为下层射频信号；

(3)分别对上、下层射频信号数据进行特征提取，特征量选定为射频信号波动成分的均方值和平稳成分的均值，共四个特征量；

(4)采用支持向量机的方法对射频信号的四个特征量、温度、矿化度共六个特征量进行数据融合，其中采用遗传算法进行内部参数寻优，即建立遗传算法优化支持向量机的油井含水在线测量模型。

2.根据权利要求1所述的原油含水率在线测量模型的构建方法，其特征在于，所述的射频法测量油井原油含水率装置包括：

一测试管，所述测试管的两端分别连接有第一、第二法兰；

一分隔板，所述分隔板设置在所述测试管中部，并沿所述测试管的轴向延伸布置；所述分隔板将所述测试管分隔为上半区和下半区，且在所述的上半区内设有上层射频传感器，所述的下半区内设有下层射频传感器。

3.根据权利要求1所述的原油含水率在线测量模型的构建方法，其特征在于，所述的步骤(2)中，对所述射频信号数据集中的每一组数据进行经验模态分解，得到若干个固有模态函数，即

4.根据权利要求1所述的原油含水率在线测量模型的构建方法，其特征在于，所述的步骤(4)中，建立遗传算法优化支持向量机的油井含水在线测量模型步骤包括：

(a)确定网络结构，

把射频信号的四个特征量、温度、矿化度，共六个特征量作为模型输入，输出为含水率；选择径向基核函数为SVM的核函数；

(b)初始种群的产生；

(c)编码方案，

采用实数编码，所述实数编码形式为：

其中，k为进化代数；k_max为终止代数，表示第k代中第i个；

表示染色体中第m个基因；每个染色体上的基因数，即串长n＝(4+2)*4+1＝25；

(d)适应度函数设计与计算，

选择系统实际标定值和学习输出的误差平方和的倒数作为适应度函数，同时作出如下转换：

将染色体上各个基因分配到支持向量机结构中，以训练样本正向运行支持向量机，如下计算个体适应度F：

其中，含水g(x)为支持向量机内部复杂计算函数，此处予以忽略；

σ为核参数和C为惩罚因子；

o为预测输出；

t为期望输出；

n为输出单元数；

n为样本数；

m是为保证适应度函数值不至于太小而引入的一个系数；

(e)遗传算子设计选择、交叉、变异是遗传算法的三个基本算子；选择操作采用轮盘赌选择方式计算适应度F_i的权值个体对应的选择概率为：

交叉操作采用非一致交叉算子，以一定的交叉概率随机选择一对父代个体x_i^k和x_j^k，则按下式交叉运算后产生一对子代新个体为：

其中，α∈(0,1)为均匀分布随机变量；

变异操作采用非一致变异，其算子定义为：

其中，C_i'为C_i^(k)个体的分量C_i变异后的结果，U_max'和U_min'分别为变异点的C_i左、右边界；函数Δ返回(0,C_max)范围内的一个随机数,且随进化代数k增大而接近于0；

(f)存优策略，

计算当前群体的适应度，并保留最优个体，再按照交叉概率和变异概率，选择不同的个体对其进行不同的交叉和变异操作，产生下一代个体，并对新生个体进行评价，直到达到终止代数100次结束，否则转到步骤(d)；将全局最优结果映射为SVM的参数；

(g)用训练样本训练模型，获得相应的支持向量，从而确定该回归模型的结构。