[发明专利]一种实时定量测量井下流体含油率的方法及其模型

权利要求书

1.一种实时定量测量井下流体含油率的模型，所述模型通过以下方法建立：

采用原油和泥浆滤液配制不同含油率的油水混合流体样本；

使所述油水混合流体样本以180-200ml/min的流速分别流经波长为810nm、1200nm、1300nm、1440nm、1720nm和1930nm的光学通道，分别在设定时间段内连续测试不同含油率的油水混合流体样本在所述光学通道内的瞬态近红外光谱，得到离散的瞬态近红外光谱数据；

对所述离散的瞬态近红外光谱数据进行稳态处理，得到离散的稳态光谱数据；

对所述离散的稳态光谱数据进行连续化；

对经过连续化的光谱数据进行预处理，以降低噪声和减少干扰影响；

对经过预处理后的光谱数据进行波长筛选，筛选出1100～1500和1600～1800两个波长范围内的经过预处理后的光谱数据；

在1100～1500和1600～1800两个波长范围内的经过预处理后的光谱数据的特征空间中均匀地选取样本，并设定验证集和校正集；

根据所述校正集中的光谱数据建立油水混合流体的校正模型，得出所述校正模型的回归系数；

采用所述验证集中的光谱数据对所述校正模型进行验证。

2.根据权利要求1所述的模型，其中，所述对所述离散的瞬态近红外光谱数据进行稳态处理，得到离散的稳态光谱数据包括：采用滑动平均法对在所述设定时间段内连续测得的离散的瞬态近红外光谱数据取平均值，得到所述离散的稳态光谱数据，所述滑动平均法的公式如下：

式中，t——所述设定时间段结束的时刻，也表示当前的时刻；

n——平均点数，即每测试n次就取一次平均值，说明在所述设定时间段内测试了n次；

t₀——所述设定时间段开始的时刻；

k——光学通道数；

S_t，k——t时刻下k光学通道得出的瞬态近红外光谱数据；

——所述设定时间段内连续测得的瞬态近红外光谱数据的平均值。

3.根据权利要求1或2所述的模型，其中，所述分别在设定时间段内连续测试不同含油率的油水混合流体样本在所述光学通道内的瞬态近红外光谱包括：每一个含油率的油水混合流体样本均取多个，测试它们的瞬态近红外光谱，取它们的瞬态近红外光谱数据的平均光谱数据，作为该含油率的油水混合流体样本的瞬态近红外光谱数据。

4.根据权利要求1或2所述的模型，其中，所述对所述离散的稳态光谱数据进行连续化采用的方法为Spline插值算法。

5.根据权利要求1或2所述的模型，其中，所述对经过连续化的光谱数据进行预处理包括：对经过连续化的光谱数据进行一阶微分、中心化和平滑。

6.根据权利要求1或2所述的模型，其中，在经过预处理后的光谱数据的特征空间中均匀地选取样本采用的方法为Kennard-Stone法。

7.根据权利要求1或2所述的模型，其中，所述建立油水混合流体的校正模型采用的方法为偏最小二乘PLS法。

8.根据权利要求7所述的模型，其中，采用偏最小二乘PLS法建立所述校正模型时，采用交互验证法选取主成分，并通过预测残差平方和PRESS值来确定主因子数。

9.根据权利要求1或2所述的模型，其中，所述采用所述验证集中的光谱数据对所述校正模型进行验证采用的方法为四组统计参数法。

10.一种实时定量测量井下流体含油率的方法，所述方法包括：

测试待测井下流体的瞬态近红外光谱数据并对其进行稳态处理，得到所述待测井下流体的稳态近红外光谱数据，并根据下式计算得到其中的含油率的预测值：

c_un＝bS_un

式中，S_un——待测井下流体的稳态近红外光谱数据；

b——根据权利要求1-9中任一项所述的模型的回归系数；

C_un——待测井下流体中的含油率的预测值。