[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

摘要

本发明涉及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及方法。通过高频双环式电容传感器测量井口产液三相流含水率信息，通过超声透射式传感器获取井口产液三相流含气率信息，通过深度长短时记忆网络融合电容传感器测量信号特征及超声传感器测量信号特征；将采集到的含水率波动时间序列及采集到的含气率波动时间序列分成多个时序变化的时间片段，提取每个时序片段的时频特征、非线性特征、时间不可逆特征组成特征向量，将两个传感器的测量信息融合构成井口含水率特征向量时间序列，以特征序列为输入，建立基于长短时记忆网络的高含气油井井口含水率预测模型，以井口产液含水率化验值作为标签进行训练，最终得到含水率的精确预测值。

主权项

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联合分布和递归图矩阵，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；所述基于深度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，作为深度长短时记忆神经网络的输入向量，深度长短时记忆神经网络内部有LSTM单元，单元内部又分别有三个函数的:输入门、遗忘门、输出门，深度长短时记忆神经网络单元共有6层，采用Softmax分类函数作为输出函数，输出预测值。/n