[发明专利]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有效
申请号: | 201910613945.3 | 申请日: | 2019-07-09 |
公开(公告)号: | CN110630244B | 公开(公告)日: | 2022-12-02 |
发明(设计)人: | 王思佳;张清波;祝军 | 申请(专利权)人: | 东营智图数据科技有限公司 |
主分类号: | E21B47/00 | 分类号: | E21B47/00;G06Q50/02 |
代理公司: | 天津盛理知识产权代理有限公司 12209 | 代理人: | 王来佳 |
地址: | 257088 山东省东营市*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 传感器 测量 短时记忆 网络 高产 油井 含水率 预测 系统 方法 | ||
1.一种基于多传感器测量及长短时记忆网络的高产气油井井口含水率预测系统,其特征在于:由传感器组件、含气率及含水率多元时序特征提取及融合模块、基于长短时记忆网络的井口含水率预测网络组成,所述传感器组件包括双环式电容传感器及超声波传感器,双环式电容传感器用于来获取井口含水率信息并经高频正弦激励信号处理获得含水率波动信息;所述超声波传感器用于获取井口含气率信息并经传感器测量电路获得含气率波动信息;所述含气率及含水率多元时序特征提取及融合模块用于提取含水率波动信息与含气率波动信息,并对其进行加权求和,得到融合后时序特征;通过WVD分布与递归域分析,得到含水率及含气率波动序列片段的时频域矩阵和递归图矩阵,并对两矩阵进行定量分析,得到时频能量、时频熵、递归率、确定性、平均对角线长度、层次性和时间不可逆量七个特征参数,将每个序列片段的特征参数进行拼接得到含水率及含气率特征向量;所述基于长短时记忆网络的井口含水率预测网络对获得的含水率多元时序特征向量按照时间顺序进行拼接,作为长短时记忆网络的输入向量,长短时记忆网络内部有LSTM单元,单元内部又分别有函数输入门、函数遗忘门、函数输出门,长短时记忆网络单元共有6层,采用Softmax分类函数作为输出函数,输出预测值。
2.根据权利要求1所述的基于多传感器测量及长短时记忆网络的高产气油井井口含水率预测系统,其特征在于:所述传感器组件的安装结构是:传感器不锈钢保护壳两端为左法兰、右法兰,其中右法兰与不锈钢保护壳采用螺纹啮合方式连接;左法兰及右法兰与井口下降管道连接,不锈钢保护壳内部同轴安装有呢绒管道,在呢绒管道外壁上间隔安装有两个环状的传感器测量电极,在传感器测量电极外侧同轴安装有电磁屏蔽层,呢绒管道通过顶端的O型圈与不锈钢保护壳压紧密封,在呢绒管道外壁上还安装有透射式超声传感器,不锈钢保护壳侧壁开有引线孔,电磁屏蔽层与呢绒管道之间由有机玻璃环支撑。
3.根据权利要求1所述的基于多传感器测量及长短时记忆网络的高产气油井井口含水率预测系统,其特征在于:所述传感器测量电路的结构是:高频正弦激励信号源产生激励信号,通过功分器送至环状传感器测量电极进行扫频,环状传感器测量电极将扫频测得的含水率数据经激励后进入混频器进行信号混频,混频后的信号经加法器及电压偏置后,得到含水率波动信息;超声激励信号激励超声波传感器的发射探头,测量超声波接收探头的信号,得到含气率波动信息;信号的窗函数采用窗口大小为1000的不重叠窗,由此对含水率含气率信号进行多次分割,多次分割提取不同时间段的含水率、含气率多元特征序列,将含水率和含气率多元特征序列进行对应位置的加权求和,得到融合后的时序特征。
4.根据权利要求3所述的基于多传感器测量及长短时记忆网络的高产气油井井口含水率预测系统,其特征在于:将所述含水率及含气率波动序列的片段采用时频联合分布即得到时频域矩阵,采用递归图分析方法对该含水率及含气率波动序列片段进行处理,得到递归图矩阵;对时频域矩阵分别提取时频能量、时频熵特征,对递归图矩阵分别提取递归率、确定性、平均对角线长度、层次性、时间不可逆量特征,所提取的含水率多元时序特征向量共计上述七个特征参数,将每个序列片段的特征参数进行拼接得到含水率及含气率特征向量。
5.根据权利要求1所述的基于多传感器测量及长短时记忆网络的高产气油井井口含水率预测系统,其特征在于:所述基于长短时记忆网络的井口含水率预测网络,其深度长短时记忆神经网络内部有深度长短时记忆单元,单元内部又分别有函数输入门、函数遗忘门、函数输出门,深度长短时记忆单元共有6层。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东营智图数据科技有限公司,未经东营智图数据科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910613945.3/1.html,转载请声明来源钻瓜专利网。