獲取石油套管厚度的數(shù)據(jù)處理方法
【專利摘要】本發(fā)明公開(kāi)了一種獲取石油套管厚度的數(shù)據(jù)處理方法，具體按照以下步驟實(shí)施：首先，用測(cè)井儀器采集測(cè)井?dāng)?shù)據(jù)，并將測(cè)得的連續(xù)的每5個(gè)測(cè)井?dāng)?shù)據(jù)作為一組，找出每一組數(shù)據(jù)中的最大值aj；取j＝1,2,3,4,5，即把a(bǔ)1～a5作為第1包數(shù)據(jù)，求出第1包數(shù)據(jù)的平均值Mean1并代替a1～a5，之后對(duì)j＞＝6時(shí)的其余數(shù)據(jù)做均值處理；然后再根據(jù)處理后的數(shù)據(jù)aj生成輔助數(shù)據(jù)bj；通過(guò)對(duì)比aj與bj，找出aj的拐點(diǎn)cj；根據(jù)拐點(diǎn)cj，得到套管厚度相對(duì)值dj；最后，構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，泛化神經(jīng)網(wǎng)絡(luò)后對(duì)數(shù)據(jù)進(jìn)行處理，得到套管實(shí)際厚度值ej。本發(fā)明解決了現(xiàn)有方法中存在效率低、精度低的問(wèn)題。
【專利說(shuō)明】獲取石油套管厚度的數(shù)據(jù)處理方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于信息數(shù)據(jù)處理【技術(shù)領(lǐng)域】，涉及一種數(shù)據(jù)信息處理方法，具體涉及一種獲取石油套管厚度的數(shù)據(jù)處理方法。

【背景技術(shù)】
[0002]石油測(cè)井是石油開(kāi)采作業(yè)中必不可少的環(huán)節(jié)，它貫穿于整個(gè)石油開(kāi)采作業(yè)環(huán)節(jié)中。測(cè)井?dāng)?shù)據(jù)是由測(cè)井儀器的數(shù)據(jù)采集模塊采集的測(cè)井參數(shù)曲線上的數(shù)據(jù)。測(cè)井曲線的極值點(diǎn)表征了所需測(cè)得井下參數(shù)的大小。為了實(shí)現(xiàn)井下參數(shù)的特征提取，需要提取測(cè)井?dāng)?shù)據(jù)波形幅值。
[0003]目前能夠用來(lái)提取數(shù)據(jù)離散波形幅值的方法主要是通過(guò)擬合曲線法而后求取極大值的方法。其中最常用的是多項(xiàng)式曲線擬合法。然而當(dāng)數(shù)據(jù)點(diǎn)較多時(shí)，多項(xiàng)式階數(shù)太低，擬合精度和效果不太理想，要提高擬合精度和效果就需要提高擬合多項(xiàng)式的階數(shù)，但階數(shù)太高又會(huì)帶來(lái)計(jì)算上的復(fù)雜性及其他方面的不利。因此，如果只采用一個(gè)多項(xiàng)式曲線函數(shù)擬合較多的數(shù)據(jù)點(diǎn)，難以取得較好的擬合精度和效果。為有效地解決上述問(wèn)題，一般采用分段曲線擬合。但因測(cè)井?dāng)?shù)據(jù)量大、要求精度高，分段擬合曲線法需將數(shù)據(jù)點(diǎn)分很多段才能滿足精度要求，因而存在工作量大、效率低等缺點(diǎn)，而后求取多項(xiàng)式的極大值又增加了數(shù)據(jù)計(jì)算量，降低了效率。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種獲取石油套管厚度的數(shù)據(jù)處理方法，采用對(duì)數(shù)據(jù)的極大值的均值處理方法，解決了現(xiàn)有提取數(shù)據(jù)波形幅值的方法中存在效率低、精度低的問(wèn)題。
[0005]本發(fā)明所采用的技術(shù)方案是，獲取石油套管厚度的數(shù)據(jù)處理方法，具體按照以下步驟實(shí)施:
[0006]步驟1:用測(cè)井儀器采集測(cè)井?dāng)?shù)據(jù)；
[0007]步驟2:將步驟I中測(cè)得的連續(xù)的每5個(gè)測(cè)井?dāng)?shù)據(jù)作為一組，找出每一組數(shù)據(jù)中的最大值 a」(j = 1,2,3-J)；
[0008]步驟3:取j = I, 2，3，4，5，即把?a5作為第I包數(shù)據(jù)，求出第I包數(shù)據(jù)的平均值Mean1并代替a!?a5 ;
[0009]步驟4:對(duì)j > = 6時(shí)的其余數(shù)據(jù)做均值處理；
[0010]步驟5:根據(jù)步驟4處理后的數(shù)據(jù)a」(j = I, 2，3-J)生成輔助數(shù)據(jù)b^j = I, 2，3...J);
[0011]步驟6:通過(guò)對(duì)比a」與bj,找出a」的拐點(diǎn)C」，即，若a」=b」,則Cj = a」；否則,Cj =
O；
[0012]步驟7:根據(jù)拐點(diǎn)(^，得到套管厚度相對(duì)值Clj ；
[0013]步驟8:構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)；
[0014]步驟9:泛化神經(jīng)網(wǎng)絡(luò)，將不同于訓(xùn)練時(shí)的樣本輸入到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出值與樣本對(duì)應(yīng)的實(shí)際套管厚度值之間誤差ε，判斷該誤差ε是否滿足實(shí)際誤差的要求，若滿足要求，則轉(zhuǎn)入步驟10，否則轉(zhuǎn)步驟8重新進(jìn)行神經(jīng)網(wǎng)絡(luò)的構(gòu)建及訓(xùn)練；
[0015]步驟10:利用步驟8構(gòu)建和訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行處理，得到套管實(shí)際厚度值ej。
[0016]本發(fā)明的特點(diǎn)還在于，
[0017]其中，步驟4具體按照以下步驟實(shí)施:
[0018]步驟4.1:將Bj~Bjt1數(shù)據(jù)作為第i包數(shù)據(jù)，并求出第i包數(shù)據(jù)的平均值Meani ；其中，i = 2,3-1 ；n = 5、3、1，且設(shè)η的初值為5 ；
[0019]步驟4.2:求出這(相鄰)兩包數(shù)據(jù)平均值Meani和Mearv1的變化率ratei (0〈rate〈l);求兩包數(shù)據(jù)平均值的變化率公式為:.Mean.— Mean.,
[0020]

【權(quán)利要求】
1.獲取石油套管厚度的數(shù)據(jù)處理方法，其特征在于，具體按照以下步驟實(shí)施: 步驟1:用測(cè)井儀器采集測(cè)井?dāng)?shù)據(jù)； 步驟2:將步驟I中測(cè)得的連續(xù)的每5個(gè)測(cè)井?dāng)?shù)據(jù)作為一組，找出每一組數(shù)據(jù)中的最大it Bj (j = 1,2,3-J)； 步驟3:取j = I, 2，3，4，5，即把a(bǔ)i?a5作為第I包數(shù)據(jù)，求出第I包數(shù)據(jù)的平均值Mean1并代替%?a5 ; 步驟4:對(duì)j > = 6時(shí)的其余數(shù)據(jù)做均值處理； 步驟5:根據(jù)步驟4處理后的數(shù)據(jù)aj(j = 1，2，3夂1生成輔助數(shù)據(jù)bj(j = 1，2，3吣了)； 步驟6:通過(guò)對(duì)比a」與bj,找出a」的拐點(diǎn)C」，即，若a」=b」,則Cj = a」；否則，Cj = O ； 步驟7:根據(jù)拐點(diǎn)(^，得到套管厚度相對(duì)值Clj ； 步驟8:構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)； 步驟9:泛化神經(jīng)網(wǎng)絡(luò)，將不同于訓(xùn)練時(shí)的樣本輸入到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出值與樣本對(duì)應(yīng)的實(shí)際套管厚度值之間誤差ε，判斷該誤差ε是否滿足實(shí)際誤差的要求，若滿足要求，則轉(zhuǎn)入步驟10，否則轉(zhuǎn)步驟8重新進(jìn)行神經(jīng)網(wǎng)絡(luò)的構(gòu)建及訓(xùn)練; 步驟10:利用步驟8構(gòu)建和訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行處理，得到套管實(shí)際厚度值ej。
2.根據(jù)權(quán)利要求1所述的獲取石油套管厚度的數(shù)據(jù)處理方法，其特征在于，所述的步驟4具體按照以下步驟實(shí)施: 步驟4.1:將數(shù)據(jù)作為第i包數(shù)據(jù)，并求出第i包數(shù)據(jù)的平均值Meani ;其中，i = 2,3-1 ；n = 5、3、1，且設(shè) η 的初值為 5 ； 步驟4.2:求出這(相鄰)兩包數(shù)據(jù)平均值Meani和Mearv1的變化率^atei (0〈rate〈l)；求兩包數(shù)據(jù)平均值的變化率公式為:.Mean.— Mean., rate, = ahs---'■-—
,Meanl , 其中，abs為取絕對(duì)值函數(shù)，Meani為第i包數(shù)據(jù)的平均值，Mearv1為第i包數(shù)據(jù)的平均值； 步驟4.3:判斷變化率Tatei是否小于等于設(shè)定值rate, 若ratei小于等于rate，則用第i包數(shù)據(jù)中的η個(gè)最大值的平均值代替第i包數(shù)據(jù)中的η個(gè)最大值,然后轉(zhuǎn)步驟4.4 ； 若Tatei大于設(shè)定值rate,令η = η_2,判斷η是否等于I,若η等于I則轉(zhuǎn)入步驟4.4,若η大于I則轉(zhuǎn)入步驟4.1重新計(jì)算Meani, 步驟4.4:令i = i+Ι，判斷i是否小于I，滿足此條件則返回步驟4.1繼續(xù)計(jì)算；若i=I轉(zhuǎn)入步驟5。
3.根據(jù)權(quán)利要求2所述的獲取石油套管厚度的數(shù)據(jù)處理方法，其特征在于，所述的步驟5具體按照以下步驟實(shí)施: 步驟5.1:求ar_8?\+80.= 9，10，11，…J)中的最大值Mmax和最小值Mmin ； 步驟5.2:用\_8?中每一個(gè)數(shù)據(jù)分別與最大值Mmax和最小值Mmin比較，如果該數(shù)據(jù)與最大值Mmax或最小值Mmin相等，則h = aj;;如果該數(shù)據(jù)既不與最大值Mmax相等也不與最小值Mmin相等,則bj = O,步驟5.3:令r = r+l，判斷r是否小于等于J-8，滿足此條件則返回步驟5.1繼續(xù)計(jì)算；若r大于J-8轉(zhuǎn)入步驟6。
4.根據(jù)權(quán)利要求3所述的獲取石油套管厚度的數(shù)據(jù)處理方法，其特征在于，所述的步驟7具體按照以下步驟實(shí)施:
步驟 7.1:令 t = 2, (I1 = ai ; 步驟7.2:判斷Ct是否等于at,若ct = at,則dt = at ;否則，dt = dt^ ； 步驟7.3:令t = t+1，判斷t是否小于等于J，滿足此條件則返回步驟7.2繼續(xù)計(jì)算；否則轉(zhuǎn)入步驟7.4 ； 步驟7.4:對(duì)dt取絕對(duì)值得到套管厚度相對(duì)值dj。
5.根據(jù)權(quán)利要求4所述的獲取石油套管厚度的數(shù)據(jù)處理方法，其特征在于，所述的步驟8具體按照以下步驟實(shí)施: 步驟8.1，構(gòu)建神經(jīng)網(wǎng)絡(luò)，定義神經(jīng)網(wǎng)絡(luò)中的各部分變量和函數(shù) 其中各層的輸入向量和輸出向量為: 輸入層輸入向量:x = (X1, X2, L, X1) 隱含層輸入向量:hi = (hii, hi2, L, hip)
隱含層輸出向星:ho = (hoj, ho2, L, hop) 輸出層輸入向量:yi = (yii, yi2, L, yiq) 輸出層輸出向量:yo = (yο1； yo2, L, yoq)
期望輸出向量:do = (?ο1； do2, L, doq) 其中， 輸入層與中間層的連接權(quán)值:Wsh s=l，2，L，l h=l，2，L，p 隱含層與輸出層的連接權(quán)值:Wh。h = I, 2, L, P ο = I, 2, L, q 隱含層各神經(jīng)元的閾值:eh h = l，2，L，p 輸出層各神經(jīng)元的閾值:Θ。0 = l，2，L，q 樣本數(shù)據(jù)個(gè)數(shù):k = 1，2，L K，其中，K表示樣本個(gè)數(shù)； 其中，I表示輸入層神經(jīng)元數(shù)， P表示隱含層神經(jīng)元數(shù)， q表示輸出層神經(jīng)元數(shù)； 隱含層采用激活函數(shù)是4 (net) = net(I) 輸出層采用激活函數(shù)是:
誤差函數(shù),
步驟8.2，神經(jīng)網(wǎng)絡(luò)初始化， 給輸入層與中間層的連接權(quán)值Wsh、隱含層與輸出層的連接權(quán)值Wh。、隱含層各神經(jīng)兀的閾值eh、輸出層各神經(jīng)元的閾值θ。分別賦一個(gè)位于區(qū)間(-1，1)內(nèi)的隨機(jī)數(shù)，給定計(jì)算精度值0.0001，最大訓(xùn)練次數(shù)Z = 1000和學(xué)習(xí)速率η =0.8; 步驟8.3，輸入用于訓(xùn)練的樣本，計(jì)算出輸出層的輸出值，進(jìn)行訓(xùn)練的樣本是已知實(shí)際厚度值的套管的厚度相對(duì)值，具體按照以下步驟實(shí)施: 步驟8.3.1，隨機(jī)選取第k個(gè)輸入樣本，
X (k) = (X1 (k)，x2 (k)，L, X1 (k)), 其期望輸出為: do(k) = (d0l(k),d02(k),L, doq(k));此處的期望輸出為輸入樣本所對(duì)應(yīng)的套管實(shí)際厚度值， 步驟8.3.2，計(jì)算隱含層各神經(jīng)元的輸入和輸出， 隱含層各神經(jīng)元的輸入為:
隱含層各神經(jīng)元的輸出為: hoh(k) = Khih(1) h = I, 2, L, P ；(5) 步驟8.3.3，計(jì)算輸出層各神經(jīng)元的輸入和輸出， 輸出層各神經(jīng)元的輸入為，
輸出層各神經(jīng)元的輸出為: yo0(k) = f2(yi0(k)) ο = I, 2, L q ；(7) 步驟8.4，計(jì)算全局誤差，并判斷其精度是否符合要求: 步驟8.4.1:利用步驟8.3中的期望輸出djk)和實(shí)際輸出y0()(k)之間的差值，求出全局誤差，
步驟8.4.2，判斷步驟8.4.1中計(jì)算出的神經(jīng)網(wǎng)絡(luò)的全局誤差是否滿足要求，若全局誤差未達(dá)到預(yù)設(shè)精度0.0OOl且訓(xùn)練次數(shù)小于設(shè)定的最大次數(shù)1000，則轉(zhuǎn)步驟8.5進(jìn)行修正，若全局誤差達(dá)到預(yù)設(shè)精度0.0001或?qū)W習(xí)次數(shù)大于設(shè)定的最大次數(shù)1000，則轉(zhuǎn)步驟9 ; 步驟8.5，根據(jù)網(wǎng)絡(luò)期望輸出do(k)和實(shí)際輸出yo(k)進(jìn)行計(jì)算，對(duì)輸入層與中間層的連接權(quán)值Wsh、隱含層與輸出層的連接權(quán)值Wh。、隱含層各神經(jīng)元的閾值eh、輸出層各神經(jīng)元的閾值Θ。進(jìn)行修正， 具體按照以下步驟實(shí)施: 步驟8.5.1，利用誤差函數(shù)e，計(jì)算輸出層到隱含層的連接權(quán)值調(diào)整量AWh。；
則(9)式化簡(jiǎn)為 Awho = η δ o (k) hoh (k)(12) 步驟8.5.2，利用誤差函數(shù)e，計(jì)算隱含層到輸入層的連接權(quán)值調(diào)整量Awlh
若將定義為-s h(k)，即@-4(幻(15 ) 則公式(13)化簡(jiǎn)為 Awsh = η δ h (k) Xs (k)(16) 步驟8.5.3，利用誤差函數(shù)e，計(jì)算輸出層各神經(jīng)元的閾值調(diào)整量Λ Θ。；
步驟8.5.4，利用誤差函數(shù)e，計(jì)算隱含層各神經(jīng)元的閾值調(diào)整量Λ 0h;
步驟8.5.4，利用輸出層各神經(jīng)元的6。(10和隱含層各神經(jīng)元的輸出hoh(k)來(lái)修正連接權(quán)值wh()(k)； 則修正后得， wC1 = Whu + Δ^,(19) 其中Z (z = 1，2，3，…，Z)是訓(xùn)練次數(shù)； 步驟8.5.5:利用隱含層各神經(jīng)元的Sh(k)和輸入層各神經(jīng)元的輸入xs(k)修正連接權(quán)值 wsh (k)； 則修正后得，
步驟8.5.6:修正隱含層各神經(jīng)元的閾值Qh和輸出層各神經(jīng)元的閾值Θ。； 則修正后得，
利用修正后的Η?+1、wf、θ hz+1和θ oz+1返回步驟8.3進(jìn)行再次訓(xùn)練，其中修正后的<1與θ 0Z+1和H /與Θ hz+1分別對(duì)應(yīng)于步驟8.3中的公式(6)中的wh。與和Θ。公式⑷中Wsh 與 9 h。
6.根據(jù)權(quán)利要求5所述的獲取石油套管厚度的數(shù)據(jù)處理方法，其特征在于，所述的步驟10具體按照以下步驟實(shí)施: 步驟10.1，將步驟7得出的套管厚度相對(duì)值4做為輸入值輸入到步驟9進(jìn)行泛化后得到的神經(jīng)網(wǎng)絡(luò)中，利用公式⑷求出隱含層輸入向量hih(j)； 步驟10.2:將步驟10.1中得到的隱含層的輸入向量hih(j)代入隱含層輸出向量公式(5)hoh(j) = ^ (hih(j)) h= 1,2，L, p 中, 求出隱含層輸出向量hoh(j)； 步驟10.3:將hoh(j)代入輸出層的輸入向量公式(6):
求出輸出層的輸入向量yijj)； 步驟10.4:將yi。(j)代入輸出層輸出向量公式: yo0(j) = f2(yi0(j)) ο = I, 2,L q, 求出輸出層輸出向量yo0(j)，即套管實(shí)際厚度值ej。
【文檔編號(hào)】G06N3/02GK104166805SQ201410413005
【公開(kāi)日】2014年11月26日 申請(qǐng)日期:2014年8月20日 優(yōu)先權(quán)日:2014年8月20日
【發(fā)明者】錢慧芳, 羅卉 申請(qǐng)人:西安工程大學(xué)