基于魚群算法優(yōu)化LSSVM的有桿泵抽油井油液含水率軟測量建模

馮中申（遼河油田興隆臺采油廠，遼寧 盤錦 124010）

基于魚群算法優(yōu)化LSSVM的有桿泵抽油井油液含水率軟測量建模

馮中申（遼河油田興隆臺采油廠，遼寧 盤錦 124010）

油液含水率是有桿泵抽油井的一個關鍵生產(chǎn)參數(shù)，現(xiàn)有測量方法存在檢測周期長、時效性差以及勞動強度大等問題。對此，本文提出一種基于人工魚群算法優(yōu)化LSSVM的有桿泵抽油井油液含水率軟測量方法。首先由LSSVM方法建立軟測量模型，然后，對其中的關鍵參數(shù)γ和s2，采用人工魚群算法進行優(yōu)化選擇。由一口抽油井的實際生產(chǎn)數(shù)據(jù)驗證了本文所提出方法的有效性。

魚群算法；優(yōu)化LSSVM；有桿泵抽；軟測量

油液含水率是有桿泵抽油井的一個重要生產(chǎn)參數(shù)，是評價油井生產(chǎn)效率的重要指標，不僅反映油井的工作壽命，還關系到企業(yè)的生產(chǎn)效益。因此，實現(xiàn)油液含水率的準確測量，不僅對評價地下油藏的開發(fā)價值有重要作用，還對制定合理的油井生產(chǎn)措施具有重要的意義。目前油田生產(chǎn)中對于油液含水率的測量，一般采用人工取樣化驗的方法，首先由現(xiàn)場工人采集井口油液，然后提交給化驗部門進行分析，一般耗費至少一天的時間。傳統(tǒng)的人工檢測方法檢測周期長、時效性差以及勞動強度大，并且無法及時獲知油井生產(chǎn)狀況以進一步調(diào)整生產(chǎn)措施。

軟測量技術由Brosilow等于1978年提出[1]，針對某些難以測量或者暫時不易測量的重要變量，選擇另外若干較易測量的輔助變量，通過構造某種數(shù)學關系建立它們之間的聯(lián)系，實現(xiàn)軟件代替硬件的功能。本文采用軟測量技術實現(xiàn)有桿泵抽油井油液含水率的軟測量，采用最小二乘支持向量機[2]（LSSVM）建立軟測量模型，對其中的正則化參數(shù)γ和高斯核參數(shù)s2采用人工魚群（AFSA）算法進行優(yōu)化選擇。

1 LSSVM算法

其中，Φ為高維特征空間，w為高維空間的向量，b∈R。根據(jù)結構風險最小化原則，有如下優(yōu)化問題：

其中，γ為正則化參數(shù)，e為松弛因子。建立拉格朗日等式，上述約束優(yōu)化問題轉(zhuǎn)化為：

其中，αi(i=1,2,…,l)為拉格朗日乘子。可以得到：

其中，K(xi,xj)=ΦT(xi)Φ(xj)為核函數(shù)。采用最小二乘法求解式(4)，得到?jīng)Q策函數(shù)：

對于核函數(shù)的選擇，本文采用高斯核函數(shù)。

2 AFSA算法

人工魚群算法是根據(jù)魚群覓食行為所制定的優(yōu)化策略，具有受初始值影響小、搜索速度快等特點。人工魚群的行為如下：

（1）覓食行為

設人工魚個體的當前狀態(tài)為xi，下一狀態(tài)為xj，Y表示人工魚當前位置的食物濃度，覓食行為的數(shù)學表達式為：

其中，rand1和rand2為[0,1]內(nèi)的隨機數(shù)，S為移動步長。

（2）聚群行為

假設人工魚當前狀態(tài)為xi，同伴數(shù)目nf，其中間位置定義為：

如果有Yc/nf＞δYi，則向中間位置前進一步，步長為S；否則返回覓食行為。

（3）追尾行為

假設人工魚當前狀態(tài)為xi，考查鄰域內(nèi)人工魚同伴的Yj，設xmax是最大的人工魚同伴以及最大的Ymax，如果有Ymax/nf＞δYi，則向中間位置前進一步，步長為S；否則返回覓食行為。

（4）公告板

記錄最優(yōu)人工魚的個體狀態(tài)，如果當前狀態(tài)為最佳，則更新公告板種狀態(tài)；否則，狀態(tài)不變。尋優(yōu)結束后，公告板狀態(tài)即為最優(yōu)解。

3 實例驗證

采集國內(nèi)某油田作業(yè)區(qū)一口抽油井的300組生產(chǎn)數(shù)據(jù)進行仿真驗證，隨機選取250組數(shù)據(jù)訓練軟測量模型，剩余50組數(shù)據(jù)作為測試樣本。選擇上下沖程平均載荷差、沖次、沖程、產(chǎn)液量、井口油壓和套壓作為輔助變量。

4 結語

針對傳統(tǒng)有桿泵抽油井油液含水率測量方法中所存在的檢測周期長、時效性差以及勞動強度大等問題，本文提出了一種基于魚群算法優(yōu)化LSSVM的軟測量方法，根據(jù)LSSVM方法建立軟測量模型，采用人工魚群算法優(yōu)化其中的關鍵參數(shù)，實際數(shù)據(jù)驗證了本文所提出方法的有效性。

[1]Joseph B,Brosilow C.Inferentail control of processes(I): steady state analysis and design[J].AIChE Journal,1978,24(3): 485-492.

[2]Suykens J A K,Vandewalle J.Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9(3):293-300.

[3]李翔宇，高憲文，李琨，等.魚群算法優(yōu)化組合核函數(shù)GPR的油井動液面預測[J].東北大學學報:自然科學版，2017，38(1)：11-15.