基于支持向量機(jī)的氣田監(jiān)測(cè)預(yù)警方法

基于支持向量機(jī)的氣田監(jiān)測(cè)預(yù)警方法

氣田包括井系統(tǒng)、地面收集系統(tǒng)和凈化系統(tǒng)。結(jié)構(gòu)復(fù)雜，泄漏點(diǎn)多，容易發(fā)生，屬于高危運(yùn)行區(qū)域。為保障氣田安全、高效、平穩(wěn)地開發(fā),對(duì)關(guān)鍵節(jié)點(diǎn)的生產(chǎn)參數(shù)進(jìn)行在線監(jiān)測(cè),包括壓力、溫度、流量等對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè),可實(shí)現(xiàn)預(yù)警功能,其實(shí)質(zhì)是時(shí)間序列預(yù)測(cè)問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)1svr的算法對(duì)氣田實(shí)測(cè)信號(hào)分析發(fā)現(xiàn),監(jiān)測(cè)信號(hào)具有混沌特性。通過(guò)相空間重構(gòu)恢復(fù)監(jiān)測(cè)信號(hào)的混沌吸引子,并從中獲取訓(xùn)練SVR模型的自變量和因變量。設(shè)訓(xùn)練集為{x式中:τ為時(shí)間延遲,n為嵌入維數(shù),通常設(shè)τ=1。因變量為支持向量回歸機(jī)由支持向量分類算法演化而來(lái),給定訓(xùn)練樣本{(X限制條件為式中:C為懲罰因子,ε為不敏感損失函數(shù)參數(shù)。k式中:σ為核函數(shù)參數(shù)。通過(guò)求出的Lagrange乘子和預(yù)測(cè)值對(duì)應(yīng)的自變量,可建立預(yù)測(cè)方程常量ue2e6的計(jì)算方法為:若第j個(gè)輸入變量對(duì)應(yīng)的α若第k個(gè)輸入變量對(duì)應(yīng)的α對(duì)所有樣本進(jìn)行遍歷,ue2e6為b的均值。SVR的核心問(wèn)題是Lagrange乘子α通常采用序列最小優(yōu)化算法(SMO,SequentialMinimalOptimization)求解上述方程第1步:歸一化。運(yùn)算前,將信號(hào)歸一化到[-1,1]范圍內(nèi),公式為式中:x第2步:建立目標(biāo)函數(shù)。將已知樣本的前9/10部分作為訓(xùn)練集,后1/10部分作為確定集。用訓(xùn)練集預(yù)測(cè)確定集,計(jì)算預(yù)測(cè)值和實(shí)測(cè)值間的均方差,以該均方差最小化為目標(biāo)函數(shù)。均方差計(jì)算公式為式中:y第3步:編碼。將自變量編碼為二進(jìn)制字符串,模擬生物染色體,根據(jù)取值范圍和計(jì)算精度確定字符串長(zhǎng)度。嵌入維數(shù)n的取值范圍是1~15,精度為1,染色體長(zhǎng)度為5。懲罰因子C的取值范圍為1~500,精度為1,染色體長(zhǎng)度為9。不敏感損失函數(shù)參數(shù)ε的取值范圍為0~0.1,精度為0.01,染色體長(zhǎng)度為4。核函數(shù)參數(shù)σ的取值范圍為0.2~10,精度為0.1,染色體長(zhǎng)度為7。第4步:計(jì)算適應(yīng)度值。式中:f第5步:選擇操作。采用輪賭盤算法,摒棄適應(yīng)度值小的個(gè)體,將適應(yīng)度值大的個(gè)體作為交叉運(yùn)算的母體,以期獲得適應(yīng)度更高的個(gè)體。第6步:交叉運(yùn)算。模擬生物的有性繁殖行為,群體中每個(gè)個(gè)體間以概率p第7步:變異運(yùn)算。模擬生物進(jìn)化過(guò)程中的基因突變行為,群體中每個(gè)個(gè)體的每位以概率p對(duì)選擇、交叉和變異這3個(gè)步驟循環(huán)迭代運(yùn)算,直至達(dá)到預(yù)定運(yùn)算步驟或計(jì)算精度,然后停止運(yùn)算其中x取前195個(gè)數(shù)訓(xùn)練SVR參數(shù),構(gòu)造預(yù)測(cè)函數(shù),對(duì)后5個(gè)數(shù)進(jìn)行預(yù)測(cè)。通過(guò)遺傳算法求得嵌入維數(shù)n為4,懲罰因子C為120,不敏感損失函數(shù)參數(shù)為0.02,核函數(shù)參數(shù)σ為1.1。預(yù)測(cè)值和實(shí)測(cè)值間的均方差為0.003,獲得了較高的預(yù)測(cè)精度,說(shuō)明所述方法適用于混沌信號(hào)預(yù)測(cè)。2免管道反應(yīng)過(guò)程中氣體溫度監(jiān)測(cè)以某氣田集輸系統(tǒng)某管段為例,輸送氣體組分如表1所示。管道規(guī)格為508mm×22.2mm,管材為L(zhǎng)360,總長(zhǎng)度3093m,管道外防腐涂層采用3PE涂層。氣體輸送量為1.797×10為避免管道內(nèi)產(chǎn)生水合物,天然氣溫度不得低于30℃。根據(jù)管道高程分布特點(diǎn),該管段中點(diǎn)處溫度最低,對(duì)該處天然氣溫度進(jìn)行監(jiān)測(cè)。某次停產(chǎn)檢修時(shí),采用保壓關(guān)斷,管道兩端閥門關(guān)閉。圖1為停輸過(guò)程中溫度監(jiān)測(cè)值,每3min記錄一次。停輸13.35h后,氣體溫度降到30.35℃。用已獲取的溫度監(jiān)測(cè)值建立SVR預(yù)測(cè)模型,對(duì)后10個(gè)數(shù)(即后30min)的溫度進(jìn)行預(yù)測(cè)。預(yù)測(cè)值和實(shí)測(cè)值如圖2所示,可見(jiàn)兩者擬合度較好。再停輸30min,天然氣溫度接近水合物形成溫度,30min內(nèi)必須恢復(fù)生產(chǎn),否則會(huì)引發(fā)安全事故。所述方法可對(duì)天然氣水合物的形成實(shí)現(xiàn)準(zhǔn)確預(yù)警,提前給出充足的時(shí)間調(diào)整生產(chǎn),具有工程實(shí)用價(jià)值。3smo算法驗(yàn)證結(jié)合SVR和相空間重構(gòu),建立了氣田監(jiān)測(cè)預(yù)警方法。采用遺傳算法獲取最佳SVR參數(shù),在混沌信號(hào)預(yù)測(cè)方面具有較高精度。一旦得到最佳SVR參數(shù),便可通過(guò)SMO算法求出Lagrange乘子,進(jìn)而構(gòu)造在線預(yù)測(cè)模型,具有計(jì)算速度快、所需計(jì)算機(jī)內(nèi)存少