宋 凱，李嘉強

(沈陽理工大學 信息科學與工程學院，沈陽 110159)

?

BP神經(jīng)網(wǎng)絡在射孔信號識別中的應用

宋 凱，李嘉強

(沈陽理工大學 信息科學與工程學院，沈陽 110159)

將BP神經(jīng)網(wǎng)絡應用于油管傳輸射孔信號的識別，射孔信號經(jīng)過小波變換，取小波變換后的一階分量作為神經(jīng)網(wǎng)絡的特征量，將多個信號的一階分量送入神經(jīng)網(wǎng)絡進行訓練，得到穩(wěn)定的系統(tǒng)，可以利用這個系統(tǒng)識別射孔信號。如果射孔信號為一級起爆信號，結(jié)果顯示為1；如果為其他類型結(jié)果顯示為0。經(jīng)過實驗證明，所設計的BP網(wǎng)絡可以識別油田射孔作業(yè)中一級起爆的油管傳輸射孔信號。

小波變換；BP算法；BP神經(jīng)網(wǎng)絡

射孔完井是當前油氣開發(fā)過程中油氣井的主要完井方式之一，是當今國內(nèi)外最廣泛應用的射孔完井方法。國內(nèi)具有代表性的是由勝利測井公司提出設計要求，經(jīng)西安二一三所研制的一套油管輸送監(jiān)測系統(tǒng)，它可初步監(jiān)測到射孔器的井下爆炸[1]。技術最先進、設備應用最廣泛的當屬美國斯倫貝謝(Schlumberger)公司,作為當前全球最大的油田技術服務公司，其 OrientXact 射孔系統(tǒng)代表著射孔技術的最新發(fā)展。對于TCP射孔監(jiān)測系統(tǒng)的發(fā)展，國內(nèi)外嘗試做到的各種檢測系統(tǒng)大多在信號采集方面主要是通過傳感器采集信號，常用的傳感器有聲發(fā)射傳感器、振動傳感器(拾振器)、加速度傳感器、壓力傳感器等等。在信號處理方面常用的方法有濾波、AD 轉(zhuǎn)換等等。一般用來識別信號采用的方法有信號的頻域分析(傅里葉變換)、時域分析(時域信號特征)、時頻聯(lián)合分析(小波分析、希爾伯特黃變換等)。本文通過訓練得到穩(wěn)定的BP神經(jīng)網(wǎng)絡系統(tǒng)，并利用該系統(tǒng)識別射孔信號。

1 小波變換

小波變換是一種對信號進行時頻局部化的處理方法，小波窗口面積是固定不變的但是它的形狀、時間窗、頻率窗都是可以任意改變的[2]，由于信號周期和頻率的反比關系，小波窗口在信號高頻部分表現(xiàn)為頻率分辨率較低和較小的周期即時間窗很小，時間分辨率高。窗口在低頻部分表現(xiàn)為頻率分辨率較高和較大的周期即時間窗很大，時間分辨率低，所以小波變換被稱譽為數(shù)字信號的顯微鏡[3]。小波的定義：一個函數(shù)f(x)要想成為小波，必須滿足如下約束條件：

(1)

2 BP算法

BP算法的推導過程：設置神經(jīng)網(wǎng)絡的輸入層節(jié)點數(shù)為n，隱含層節(jié)點數(shù)為m，輸出層節(jié)點數(shù)為k，訓練樣本數(shù)為S，xsi為訓練樣本S的第i個樣本值，ysj為第S個訓練樣本在隱含層中第j個節(jié)點上的輸出值，osl為第S個訓練樣本在輸出層中第l個節(jié)點上的輸出值，vji為輸入層中第i個節(jié)點到隱含層中第j個節(jié)點的權值，wlj為隱層中第j個節(jié)點到輸出層中第l個節(jié)點權值，tpl為輸出層中第P個訓練樣本在第l個節(jié)點的期望輸出[4]。

樣本數(shù)據(jù)的正向傳遞：計算網(wǎng)絡各層的輸出

(2)

(3)

(4)

(5)

反饋傳遞過程：網(wǎng)絡依據(jù)梯度下降算法，不斷調(diào)整輸入層的權值變化量。

(6)

=-(tsl-osl)

(7)

=(tsl-osl)osl(1-osl)

(8)

于是得到σsl=(tsl-osl)osl(1-osl)

故

(9)

隱含層的權值

(10)

定義誤差信號為

(11)

(12)

(13)

3 網(wǎng)絡層數(shù)

對于BP網(wǎng)絡，根據(jù)Kolmogrov定理，具有一個隱含層(隱含層節(jié)點數(shù)足夠多)的三層BP網(wǎng)絡就能完成任意的N維到M維的映射。BP網(wǎng)絡層數(shù)越多，其具備處理復雜性問題的能力就越強，但是隨著層數(shù)的增多，網(wǎng)絡需要的訓練時間也相應增多[5]。如果BP網(wǎng)絡的層數(shù)太少，那么訓練后的網(wǎng)絡將很難收斂。隱含層層數(shù)要根據(jù)問題具體來決定，隨著隱含層數(shù)的增加，神經(jīng)網(wǎng)絡解決復雜問題的能力也隨之增強，但是隨著隱含層數(shù)的增加網(wǎng)絡的訓練時間也不斷增長。李振然等[6]的研究表明，只有一個隱含層神經(jīng)網(wǎng)絡，只要它的神經(jīng)元數(shù)目足夠多，就可以滿足要求，達到訓練目的。如果將隱含層數(shù)由一個增加為兩個，網(wǎng)絡的精度沒有太多提高，但是網(wǎng)絡的組成變得更復雜，訓練時間也會大大增加。所以本文選用單輸入層單輸出層和一個隱含層的經(jīng)典BP網(wǎng)絡設計方案。

4 轉(zhuǎn)移函數(shù)的選擇

圖1 轉(zhuǎn)移函數(shù)曲線

5 神經(jīng)網(wǎng)絡識別射孔信號

將油管傳輸射孔信號經(jīng)過小波變換后的一階分量數(shù)據(jù)歸一化處理后送入到BP網(wǎng)絡中訓練。訓練曲線如圖2所示，經(jīng)過130次的訓練，網(wǎng)絡性能達到設計要求。

圖2 BP網(wǎng)絡訓練結(jié)果圖

網(wǎng)絡識別信號的結(jié)果用以下兩式表示，式(14)中，當網(wǎng)絡識別了一級起爆TCP信號其結(jié)果顯示1，如果不是一級起爆的TCP信號結(jié)果顯示0。式(15)表明Result識別結(jié)果的百分比。

Result=～sum(abs(X-x))

(14)

(15)

將Shu45-29井的一次射孔信號的小波一階數(shù)據(jù)送入已經(jīng)訓練好的BP神經(jīng)網(wǎng)絡中進行驗證，結(jié)果返回Result=1，表明此次射孔信號是一級起爆TCP信號。信號的小波變換一階數(shù)據(jù)如圖3所示，驗證結(jié)果如圖4所示。

圖3 信號的一階數(shù)據(jù)

圖4 Shu45-29識別結(jié)果圖

將Shu45-29的一次數(shù)據(jù)和Xing-23的一次數(shù)據(jù)同時送入網(wǎng)絡進行驗證，結(jié)果如圖5所示，結(jié)果表明這兩個信號都是一級起爆TCP信號，Percent表明BP網(wǎng)絡對這兩路信號都能識別。

圖5 識別結(jié)果圖

6 結(jié)論

首先將油管傳輸射孔信號經(jīng)過5層小波變換，目的是去除摻雜在信號中的噪聲，取小波變換后的一階分量作為神經(jīng)網(wǎng)絡的特征信號。將大量測得射孔信號做同樣的操作，把這些特征信號送入設計好的神經(jīng)網(wǎng)絡中進行訓練，直到得到穩(wěn)定的BP神經(jīng)網(wǎng)絡系統(tǒng)，利用這個穩(wěn)定的神經(jīng)網(wǎng)絡系統(tǒng)識別油管傳輸射孔信號。如果射孔信號為一級起爆信號，結(jié)果顯示為1；如果為其他類型結(jié)果顯示為0。經(jīng)過大量實驗證明，所設計的BP網(wǎng)絡可以識別油田射孔作業(yè)中一級起爆的油管傳輸射孔信號。

[1]劉貫虹，朱建新，錢衛(wèi)良.油管輸送射孔(TCP)監(jiān)測識別系統(tǒng)[J].測井技術，2008，32(2):128-133.

[2]代海波，單銳，王換鵬，等.基于改進閾值函數(shù)的小波去噪算法研究[J].噪聲與振動控制，2012(12)：189-193.

[3]徐野，劉鐵強.基于BP神經(jīng)網(wǎng)絡算法的手寫數(shù)字識別技術研究[J].沈陽理工大學學報，2010,29(5):13-16.[4]Zhao Yangqin.Multi-level denosing and enhancement method based on wavelet transform for mine monitoring[J].International Journal of Mining Science and Technology,2013(23):163-166.

[5]黃慶斌.BP算法的改進及其應用研究[D].成都：西南交通大學，2010.

[6]李振然，賈彩旭.基于人工神經(jīng)網(wǎng)絡的短期負荷預測[J].廣西電力，2002(4)：7-10.

[7]韓力群.人工神經(jīng)網(wǎng)絡理論、設計及應用[M].北京：電子工業(yè)出版社，2007：27-32.

(責任編輯：馬金發(fā))

Identification of Perforating Signal Based on BP Neural Network

SONG Kai，LI Jiaqiang

(Shenyang Ligong University，Shenyang 110159，China)

BP neural network technology will be applied to automatic recognition of the tubing conveyed perforation signal.Taking the first order component after wavelet transform as the feature of neural network,we put the first order component of multiple signals in neural network to train,we can obtain a stable system and we can use the system to recognize the tubing conveyed perforation signal.If the perforation signal is an initiation signal,the result is displayed as 1;otherwise,the result is displayed as 0.The experiments show that the BP network designed in this paper can be identified perforation signal.

wavelet transform;BP algorithm;BP neural network

2015-09-28

遼寧省科學計劃項目(2012217005)；遼寧省科學事業(yè)公益研究基金資助項目(2012004002)

宋凱(1964—)，男，教授/博導，博士，研究方向：計算機視覺、智能檢測與控制等。

1003-1251(2016)04-0012-04

TN911.23

A