張方舟佘天威孫永穎韓樂(lè)

基于BP神經(jīng)網(wǎng)絡(luò)的譜圖形態(tài)提取在水淹評(píng)價(jià)中的研究?

張方舟佘天威孫永穎韓樂(lè)

（東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院大慶163318）

目前，我國(guó)大部分油田進(jìn)入高含水后期開(kāi)采階段，調(diào)整挖潛難度增大，亟需一種高效的油層水淹評(píng)價(jià)方法，解決水淹評(píng)價(jià)參數(shù)單一的難題。因此提出采用BP神經(jīng)網(wǎng)絡(luò)對(duì)飽和烴氣相色譜圖進(jìn)行形態(tài)擬合的方法，提取形態(tài)特征參數(shù)，應(yīng)用于水淹層評(píng)價(jià)方法中。研究伽瑪分布函數(shù)提取單峰譜圖形態(tài)特征參數(shù)的方法，研究BP神經(jīng)網(wǎng)絡(luò)擬合色譜圖原始形態(tài)的方法，將反映譜圖形態(tài)特征與反映含油性特征的參數(shù)結(jié)合，建立油層水淹評(píng)價(jià)圖版，經(jīng)過(guò)在油田實(shí)際生產(chǎn)應(yīng)用，提高了該區(qū)水淹層精細(xì)評(píng)價(jià)水平，為剩余油分布提供理論基礎(chǔ)。

飽和烴氣相色譜圖；BP神經(jīng)網(wǎng)絡(luò)；水淹層；形態(tài)特征

Class NumberP631.84

1引言

飽和烴氣相色譜圖評(píng)價(jià)水淹程度，已經(jīng)被人們關(guān)注，譜圖峰形的異常變化反映原油組分的變化，可以根據(jù)飽和烴氣相色譜的形態(tài)特征定性評(píng)價(jià)水淹程度，應(yīng)用相對(duì)含量和峰面積參數(shù)建立水淹層評(píng)價(jià)圖版［1］。

目前，對(duì)譜圖曲線的擬合大多需要假定曲線類型，限制條件較多，通用性受約束［2］。本文采用伽瑪分布函數(shù)擬合單峰色譜圖形態(tài)，提取出特征參數(shù)，用于發(fā)現(xiàn)新的水淹評(píng)價(jià)方法；采用BP神經(jīng)網(wǎng)絡(luò)擬合雙峰和三峰色譜圖形態(tài)，BP神經(jīng)網(wǎng)絡(luò)具有擬合非線性連續(xù)函數(shù)的能力，能避免未知因素的影響，易于擬合出較為滿意的譜圖原始曲線。

2伽瑪分布函數(shù)

伽瑪分布是概率統(tǒng)計(jì)中一類重要的分布，它和指數(shù)分布、愛(ài)爾朗分布等一些常見(jiàn)的重要分布都有著密切的聯(lián)系［3］，伽瑪分布函數(shù)是非對(duì)稱并且連續(xù)的概率函數(shù)，整體形態(tài)與飽和烴氣相色譜圖形態(tài)近似，可以較好地反映單峰色譜圖形態(tài)特征，常用的計(jì)算方法如式（1）：

其中伽瑪函數(shù)中γ表示形態(tài)參數(shù)，β表示尺度參數(shù)。

2.1伽瑪函數(shù)提取譜圖形態(tài)特征的方法

伽瑪函數(shù)是一條向上凸起的指數(shù)曲線［4］，該函數(shù)的曲線形態(tài)與飽和烴氣相色譜圖相似，提取單峰譜圖特征的方法是通過(guò)伽瑪分布函數(shù)來(lái)對(duì)形態(tài)進(jìn)行擬合，通過(guò)得到γ（形態(tài)參數(shù)）和β（尺度參數(shù)）來(lái)對(duì)單峰譜圖進(jìn)行研究。

單峰譜圖形態(tài)提取的方法是：

1）根據(jù)飽和烴氣相色譜圖求取碳數(shù)和相對(duì)分?jǐn)?shù)，其中碳數(shù)表示輸入?yún)?shù)（橫軸），相對(duì)分?jǐn)?shù)表示輸出數(shù)據(jù)（縱軸），以此數(shù)據(jù)做散點(diǎn)圖，確定函數(shù)的形態(tài)，匹配相似的曲線方程。

2）根據(jù)實(shí)際觀測(cè)值數(shù)據(jù)對(duì)伽瑪函數(shù)進(jìn)行變換，初步估計(jì)方程的待求參數(shù)，匹配方程如式（2）：

式中Γ(γ)表示伽瑪函數(shù)，X表示相對(duì)分?jǐn)?shù)，γ表示形態(tài)參數(shù)，β表示尺度參數(shù)，γ和β決定分布函數(shù)的形態(tài)。

3）參數(shù)設(shè)定，形態(tài)參數(shù)和尺度參數(shù)都是大于0的實(shí)數(shù)，其中γ=1時(shí)，函數(shù)呈指數(shù)分布，γ=2時(shí)，函數(shù)形態(tài)逐漸趨近于譜圖形態(tài)。

4）用測(cè)試值與對(duì)應(yīng)計(jì)算值的差值平方和，表示全部測(cè)試值與擬合曲線計(jì)算值的偏離程度，偏差值越小，擬合形態(tài)的效果越好，可以獲取譜圖的特征參數(shù)。

2.2色譜圖形態(tài)特征在水淹評(píng)價(jià)中的應(yīng)用

飽和烴氣相色譜圖中各正構(gòu)烷烴峰值反映巖石含油豐度，正構(gòu)烷烴峰面積總和反映可動(dòng)烴的含量，譜圖的峰形反映正構(gòu)烷烴相對(duì)含量；根據(jù)色譜圖的碳數(shù)、相對(duì)分?jǐn)?shù)、烴豐度、峰面積結(jié)合譜圖的特征參數(shù)和派生參數(shù)建立水淹層評(píng)價(jià)模型和評(píng)價(jià)標(biāo)準(zhǔn)；M井99層飽和烴氣相色譜圖如圖1所示。

1）原始譜圖橫軸是時(shí)間，縱軸是相應(yīng)值，整理碳數(shù)和相對(duì)分?jǐn)?shù)的數(shù)據(jù)，建立以碳數(shù)為橫坐標(biāo)，相對(duì)分時(shí)為縱坐標(biāo)的模型。

圖1 M井飽和烴氣相色譜圖

2）利用伽瑪分布的匹配方程，進(jìn)行多次分析訓(xùn)練，偏差值越小，擬合形態(tài)的效果越好，形態(tài)擬合對(duì)比圖如圖2所示。

圖2 形態(tài)擬合對(duì)比圖碳數(shù)

3）計(jì)算得到偏差值為0.00051，形態(tài)參數(shù)γ= 18.7，尺度參數(shù)β=16.3；根據(jù)譜圖數(shù)據(jù)和特征參數(shù)建立水淹評(píng)價(jià)圖版，單峰色譜圖水淹層評(píng)價(jià)圖版如圖3所示。

圖3 單峰色譜圖水淹層評(píng)價(jià)圖版

4）單峰譜圖的水淹層評(píng)價(jià)標(biāo)準(zhǔn)，如表1所示。

表1 單峰氣相色譜圖形態(tài)表征參數(shù)評(píng)價(jià)水淹層標(biāo)準(zhǔn)

3 BP神經(jīng)網(wǎng)絡(luò)提取譜圖形態(tài)特征

人工神經(jīng)網(wǎng)絡(luò)是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息系統(tǒng)。具有很強(qiáng)的自適應(yīng)、自學(xué)習(xí)功能，其中，BP網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的一種網(wǎng)絡(luò)模型［5］。BP神經(jīng)網(wǎng)絡(luò)是研究最多的網(wǎng)絡(luò)形式之一。BP網(wǎng)絡(luò)具有輸入層，輸出層，隱含層；每層上的神經(jīng)元稱為節(jié)點(diǎn)或單元。BP網(wǎng)絡(luò)的神經(jīng)元采用的傳遞函數(shù)通常是Sigmoid型函數(shù)，所以可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射，這使得它在諸如函數(shù)逼近、模式識(shí)別、數(shù)據(jù)壓縮等領(lǐng)域有著廣泛的應(yīng)用［6］。

3.1飽和烴氣相色譜圖雙峰形態(tài)特征

重質(zhì)油飽和烴中餾分沸點(diǎn)較高、分布比較寬，溫度對(duì)分離實(shí)驗(yàn)的影響較大，可以改變溫度，用面積歸一法得到實(shí)驗(yàn)數(shù)據(jù)［7］，重質(zhì)油一般表現(xiàn)為雙峰及三峰譜圖形態(tài)，N井221層飽和烴氣相色譜圖如圖4所示。

圖4 N井221層飽和烴氣相色譜圖

3.2雙峰譜圖特性曲線BP神經(jīng)網(wǎng)絡(luò)模型

使用基于BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)元網(wǎng)絡(luò)解決實(shí)際問(wèn)題，其網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化，決定了網(wǎng)絡(luò)的特性，提高雙峰譜圖的形態(tài)擬合效果［8］。

本文以色譜圖的時(shí)間為輸入信號(hào)，對(duì)應(yīng)于輸入層節(jié)點(diǎn)個(gè)數(shù)；把譜圖的時(shí)間所對(duì)應(yīng)的響應(yīng)值變化作為輸出信號(hào)，同樣，對(duì)應(yīng)輸出層節(jié)點(diǎn)個(gè)數(shù)。

隱含層節(jié)點(diǎn)數(shù)目選擇是比較復(fù)雜的問(wèn)題［9］，需要根據(jù)經(jīng)驗(yàn)和多次實(shí)驗(yàn)來(lái)確定。隱含層單元的數(shù)目選擇與數(shù)據(jù)形式、輸入和輸出層的節(jié)點(diǎn)數(shù)目具有一定的關(guān)系［10］。隱含層單元數(shù)目太多會(huì)增加學(xué)習(xí)時(shí)間、不能很好地訓(xùn)練樣本，因此BP網(wǎng)絡(luò)模型存在一個(gè)最佳的隱含層單元數(shù)。

3.3提取雙峰譜圖特征在水淹評(píng)價(jià)中的應(yīng)用

1）輸入信號(hào)：描繪譜圖包絡(luò)線，將譜圖從包絡(luò)線上第一個(gè)非負(fù)響應(yīng)值開(kāi)始，取出時(shí)間以及該時(shí)間的響應(yīng)值，每隔0.5min取一個(gè)對(duì)應(yīng)值，到最后一個(gè)非負(fù)響應(yīng)值結(jié)束，本實(shí)驗(yàn)選取37個(gè)輸入層節(jié)點(diǎn)個(gè)數(shù)。

2）選取隱含層節(jié)點(diǎn)個(gè)數(shù)為3，進(jìn)行訓(xùn)練。采用BP神經(jīng)網(wǎng)絡(luò)擬合得到的特征曲線是連續(xù)的、無(wú)突兀的，擬合效果較好，可以表現(xiàn)譜圖的特征。雙峰

提取雙峰譜圖形態(tài)特征的方法如式（3）：譜圖的形態(tài)擬合圖如圖5所示。

圖5 雙峰色譜圖形態(tài)擬合圖

3）結(jié)果分析：得到計(jì)算參數(shù)a1=1.27，b1=0.09，a2=0.147，b2=0.18；用該參數(shù)建立水淹評(píng)價(jià)圖版效果不好，所以根據(jù)特征曲線的極值點(diǎn)、曲率、峰面積等特征，結(jié)合飽和烴氣相色譜圖響應(yīng)值建立水淹層評(píng)價(jià)圖版；選取氣相色譜圖峰面積作為水淹層評(píng)價(jià)參數(shù)［11］，以擬合譜圖形態(tài)的頂點(diǎn)劃分區(qū)間，計(jì)算峰面積的方法如式（4）：

將該譜圖以頂點(diǎn)劃分成三部分，計(jì)算得到的峰面積為S1、S2、S3，經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，選取比值參數(shù)建立水淹層評(píng)價(jià)圖版，其圖版的分離度較好，可以區(qū)分水淹級(jí)別；雙峰水淹層評(píng)價(jià)圖版如圖6所示。

圖6 雙峰色譜圖水淹層評(píng)價(jià)圖版

4）雙峰譜圖的水淹評(píng)價(jià)標(biāo)準(zhǔn)，如表2。

表2 雙峰氣相色譜圖形態(tài)表征參數(shù)評(píng)價(jià)水淹層標(biāo)準(zhǔn)

4結(jié)語(yǔ)

本文利用伽瑪分布函數(shù)的單峰、非對(duì)稱、連續(xù)的特點(diǎn)，對(duì)飽和烴氣相色譜圖進(jìn)行形態(tài)擬合；利用BP神經(jīng)網(wǎng)絡(luò)對(duì)峰形為雙峰的飽和烴氣相色譜圖進(jìn)行形態(tài)擬合，可以很好提取非連續(xù)的、無(wú)規(guī)則的氣相色譜圖特征數(shù)據(jù)，并結(jié)合派生參數(shù)和譜圖數(shù)據(jù)，設(shè)計(jì)了水淹層評(píng)價(jià)圖版。結(jié)果表明，以氣相色譜圖的特征參數(shù)設(shè)計(jì)水淹層模型，對(duì)水淹層評(píng)價(jià)效果明顯，具有實(shí)際應(yīng)用價(jià)值。

［1］郎東升等.油田開(kāi)發(fā)水淹層路徑評(píng)價(jià)技術(shù)［M］.北京：石油工業(yè)出版社，2006：1-9.

LANG Dongsheng.Evaluation method ofwater flooded lay?er in oilfield development［M］.Beijing：Petroleum indus?try press，2016：1-9.

［2］吳占濤，戴勝軍.基于BP神經(jīng)網(wǎng)絡(luò)的凸輪升程曲線擬合研究［J］.微計(jì)算機(jī)信息，2011，27（3）：244-245.

WU Zhantao，DAI Shengjun.A study on the method of cam lifting curve fitting based on BP neural network［J］. Microcomputer Information，2011，27（3）：244-245.

［3］張艷，周圣武，韓苗.概率統(tǒng)計(jì)中“伽馬分布”的教學(xué)研究及探討［J］.教育教學(xué)論壇，2014（2）：57-58.

ZHANG Yan，ZHOU Shengwu，HAN Miao.Research and Discussion on the teaching ofgamma distribution in proba?bility and statistics［J］.Education Teaching Forum，2014（2）：57-58.

［4］M Aslam Chaudhry，Syed M Zubair.On a Class of Incom?plete Gamma Functions with Applications［M］.Boca Ra?ton：CRC Press，2002：25-31.

［5］陳朝陽(yáng)，行小帥，李玥.共軛梯度BP算法在Matlab 7.0中的實(shí)現(xiàn)［J］.現(xiàn)代電子技術(shù)，2009，10（18）：125-127.

CHEN Zhaoyang，XING Xiaoshuai，LI Yue.Implement of Conjugate Gradient BP Algorithm in Matlab 7.0［J］.Mod?ern Electronics Technique，2009，10（18）：125-127.

［6］盛仲飆，同曉榮.BP神經(jīng)網(wǎng)絡(luò)在曲線擬合中的應(yīng)用［J］.科學(xué)技術(shù)與工程，2011，11（28）：18-20.

SHENG Zhongbiao，TONG Xiaoyong.The Application of BP Neural Networks in Curve Fitting［J］.Science Technol? ogy and Engineering，2011，11（28）：18-20.

［7］楊揚(yáng)，陳炳和，尹芳華.重質(zhì)油中飽和烴組成的氣相色譜分析［J］.江蘇工業(yè)學(xué)院學(xué)報(bào)，2005，17（1）：12-15.

YANG Yang，CHEN Binghe，YIN Fanghua.Study of Satu?rated Hydrocarbons in Heavy Oils by Gas Chromatography［J］.Journal of Jiangsu Polyetchnic University，2005，17（1）：12-15.

［8］歐陽(yáng)金亮，陸黎明.綜合改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法在股價(jià)預(yù)測(cè)中的應(yīng)用［J］.計(jì)算機(jī)與數(shù)字工程，2011，39（2）：57-59.

OUYAN Jinliang，LU Liming.Application of Integrative Improved BP Neural Network Algorithm in Stock Price Forecast［J］.Computer&Digital Engineering，2011，39（2）：57-59.

［9］沈花玉，王兆霞，高成耀.BP神經(jīng)網(wǎng)絡(luò)隱含層單元數(shù)的確定［J］.天津理工大學(xué)學(xué)報(bào)，2008，24（5）：13-15.

SHEN Huayu，WANG Zhaoxia，GAO Chengyao.Determin?ing the number of BP neural network hidden layer units［J］.Journal of tianjin University of Technology，2008，24（5）：13-15.

［10］周晶，宋輝.基于徑向基神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)擬合方法研究［J］.計(jì)算機(jī)與數(shù)字工程，2015，43（9）：1588-1591.

ZHOU Jing，SONG Hui.Surface Vessel Motion Model Based on RBF Neural Networks［J］.Computer&Digital Engineering，2015，43（9）：1588-1591.

［11］謝逍，姜學(xué)慶，王琰.基于VB的工業(yè)氣相色譜儀譜圖處理系統(tǒng)［J］.化工自動(dòng)化及儀表，2015，42（5）：544-549.

XIE Xiao，JIANG Xueqing，WANG Yan.VB-Based Spectrogram Processing System for Industrial Gas Chro?matograph［J］.Control and Instruments in Chemical In?dustry，2015，42（5）：544-549.

Feture of Chromatogram Based on BP Neural Network in Evalution of Water Flooded Layer

ZHANG Fangzhou SHE Tianwei SUN Yongying HAN Yue
（Schoolof Computer and Information Technology，Northeast Petroleum University，Daqing 163318）

At present，most of China's oil field stop into the late stage ofhigh water cut，itincreases difficulty for adjustment and tapping potential，iturgently need an efficientreservoir flooding evaluation method to solve the problem ofsingle parameters for evaluation ofwater flooded layer.By using the method of BP neuralnetwork to fitthe form ofchromatogram，extracting characteristic parameters from the chromatogram，the characteristic parameters are applied to the evaluation of water flooded layer.A method for extracting the characteristic parameters ofchromatogram by gamma function and BP neuralnetwork is proposed，using the character?istic parameters and the originaldata to create the water flooded layer evaluation chart，the evaluation effectofwater flooded layer is improved，theoreticalbasis forremaining oilis provided.

chromatogram，BP neuralnetwork，waterflooded layer，characteristic parameter

P631.84

10.3969/j.issn.1672-9722.2017.08.036

2017年2月7日，

2017年3月21日

重大工程關(guān)鍵技術(shù)裝備研究與應(yīng)用項(xiàng)目（編號(hào)：2013E-38-09）資助。

張方舟，男，博士，教授，研究方向：計(jì)算機(jī)網(wǎng)絡(luò)。佘天威，男，碩士研究生，研究方向：數(shù)據(jù)庫(kù)與智能信息系統(tǒng)。孫永穎，女，碩士研究生，研究方向：數(shù)字媒體技術(shù)。韓樂(lè)，女，研究方向：數(shù)據(jù)庫(kù)系統(tǒng)。