[发明专利]一种基于梯度提升回归树模型的多相流量虚拟计量方法

权利要求书

1.一种基于梯度提升回归树模型的多相流量虚拟计量方法，其特征在于按以下步骤进行：

步骤一、获取多相流的样本数据，同一条样本数据包括同时刻采集得到的多相流的压力P、温度H、差压DP、液量L、油量O、水量W，将海量样本数据组合成样本集；

步骤二、在样本集中选取部分数据作为训练样本集，以所述训练样本集内的同一条样本数据对应的压力P、温度H、差压DP作为输入，液量L、油量O、水量W作为输出，用于训练GBDT梯度提升回归树模型，拟合得到虚拟计量模型：

L,O,W＝F(P,H,DP)；

步骤三、将剩余的样本集作为评价样本集，将所述评价样本集内的同一条样本数据对应的压力P、温度H、差压DP输入所述虚拟计量模型，并由所述虚拟计量模型输出预测液量预测油量预测水量将预测得到的与所述评价样本集内的同一条所述样本数据对应的实际的L、O、W进行比较，以对所述虚拟计量模型进行评价；

如评价结果不满意，则返回步骤二继续训练，以得到满意的虚拟计量模型,若步骤二继续训练未能得到满意的模型，则返回步骤一，收集更多的样本加入到训练集，再重复步骤二,直至得到满意的虚拟计量模型；

步骤四、在多相流管道上设置压力传感器、温度传感器和差压传感器，分别检测多相流的实时压力p、实时温度h、实时差压dp、将其输入所述虚拟计量模型，并最终输出实时虚拟液量实时虚拟油量实时虚拟水量

2.根据权利要求1所述的基于梯度提升回归树模型的多相流量虚拟计量方法，其特征在于：所述步骤三中，采用所述虚拟计量模型输出的预测的与同一条所述样本数据对应的实际的L、O、W之间的平均绝对误差MAE进行评价；

上式中：

n为进行评价的样本数据的条数；

y_s为评价样本集内第s个样本数据的液量L或油量O或水量W的值；

为所述虚拟计量模型输出的所述评价样本集内的第s个预测液量或预测油量或预测水量的值；

设定MAE≤λ时为满意，否则为不满意；λ采用赋值法设定。

3.根据权利要求1或2所述的基于梯度提升回归树模型的多相流量虚拟计量方法，其特征在于所述步骤二中，得到的所述训练样本集为：

A＝{(x₁,y₁),(x₂,y₂),…(x_i,y_i),…(x_m,y_m)}其中x_i为所述训练样本集内的第i个样本的输入特征-压力P、温度H和差压DP，y_i为所述训练样本集内的第i个样本对应的输出结果-液量L、油量O和水量W，使用所述GBDT梯度提升回归树模型通过T次迭代后，得到强学习器f(x)，具体包括以下步骤：

步骤2.1、初始化弱学习器

其中m为所述训练样本集的数量；

步骤2.2、对迭代轮数t＝1，2，…，K有：

对样本i＝1，2，…，m计算负梯度r_ti：

利用(x_i，r_ti)(i＝1，2，…，m)，拟合一颗CART回归树，得到第t颗回归树其对应的叶子节点区域为R_tj(j＝1，2，…，J)，其中J为第t颗回归树的叶子节点的个数；

再计算第t颗回归树的叶子区域j＝1,2,..J的最佳拟合值c_tj：

最后更新第t代的强学习器f_t(x)：

上式中，I(x∈R_tj)为示性函数；

步骤2.3、得到强学习器f(x)的最终表达式：