基于最小二乘支持向量机的油气水层识别方法

测井解释过程中的油气水层识别实质是一个模式识别问题。基于统计学习理论发展起来的新一代小样本学习算法——支持向量机,是至今模式识别问题的强有力解决方法之一。本文针对现有方法在解决油气水层识别问题中的不足,提出了最小二乘支持向量机(LSSVM)的油气水层识别方法。该方法依据测井所得到的小样本、不适定性等数据信息建立并归一化数据样本集;通过网格搜索法选择LSSVM训练参数C和σ2,用交叉验证法对目标函数进行寻优找到最佳的参数;通过训练学习数据样本和测试数据样本,建立最小二乘支持向量机分类器识别模型。用本文提出的新方法研究了大庆油田某油藏的油气水层识别问题,结果表明最小二乘支持向量机的油气水层识别方法较人工神经网络和标准支持向量机的油气水层识别方法具有更快的运算速度和准确率,是一种值得进一步研究及推广使用的方法。     

基于最小二乘支持向量机的固井质量预测

提出利用最小二乘支持向量机进行固井质量预测方法,采用小波包分解方法提取地层回波信息信号,并将其作为最小二乘支持向量机的输入量,将样本的固井质量状态作为输出量,对样本的输入量和输出量进行不断的训练学习,得到最小二乘支持向量机模型,利用该模型进行固井质量预测。研究结果表明:基于最小二乘支持向量机模型的计算结果与测试样本拟合精度较高,可以用于现场固井质量预测。     

近红外光谱测定柴油十六烷值

采用傅立叶变换近红外光谱技术与偏最小二乘方法结合测定柴油的十六烷值。讨论了训练集体本光谱范围的选择,光谱预处理方法最佳主因子数的选择。近红外光谱技术测定的与标准方法测定的结果有良好的相关性。采用不同的校正模型测定了催化裂化柴油馏分,成品柴油等不同类型样品的十六烷值。     

基于局部最小二乘支持向量机的潜空间广义预测控制器

针对多变量、非线性、时变的实际工业过程系统,提出了一种基于局部最小二乘支持向量机的潜空间广义预测控制方法。该方法通过偏最小二乘构建潜变量空间,从而将复杂的多变量系统转变成多个单变量子系统,然后在每个采样点利用即时学习选择相关数据样本,在潜空间内在线建立每个单变量子系统(SISO)的局部最小二乘支持向量机(LSSVM)模型,最后利用广义预测控制器对这多个子系统分别实施预测控制。利用即时学习剔除冗余数据样本,提升了LSSVM的鲁棒性,并且使其更适用于实时建模和控制。利用该控制器对四容水箱对象进行仿真研究,验证了算法的有效性。     

基于粒子群优化最小二乘支持向量机的非线性AVO反演

为了求解非线性AVO反演问题,本文提出基于粒子群算法和最小二乘支持向量机的非线性AVO反演方法,并用粒子群算法优化最小二乘支持向量机的参数。即首先通过精确Zoeppritz方程正演得到角道集,并进行动校正和部分角度叠加;然后运用最小二乘支持向量机方法建立反射振幅与弹性参数之间的非线性模型;最后以此非线性模型对地震道集数据进行反演。模型数据和实际资料的反演结果表明,该方法克服了常规广义线性AVO反演在远炮检距及弹性参数纵向变化大等情况下的缺陷,可直接从实际地震道集数据中提取较高精度的地层弹性参数,具有快速稳健、抗噪能力强的优点。     

改进LSSVM在水平井产能预测中的应用

在水平井开发可行性论证及水平井优化设计中,产能预测是重要依据,常规产能预测方法,由于样本较少和影响因素多,预测精度难以保证。为此,采用最小二乘支持向量机方法回归出预测模型进行水平井产能预测。最小二乘支持向量机对标准支持向量机进行了改进,把不等式约束改为等式约束,把误差平方和损失函数作为训练集的经验损失,把解二次规划问题转化为求解线性方程组问题,较好地解决了水平井产能预测样本少、影响因素多的问题。引入粒子群优化算法来优选最小二乘支持向量机中的参数组合,〖JP〗既克服了交叉验证法耗时长的缺点,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点。以大庆油田某一区块10口水平井的生产资料作为样本,采用最小二乘支持向量机方法回归出预测模型,对该区块两口水平井的产能进行了预测,结果表明,预测产能与实际产能的最大相对误差小于15%,能够满足工程需要。      

基于核函数的非线性校正算法在原油快评中的应用

为了快速准确地测量原油的密度、酸值和硫质量分数等重要性质,采用红外光谱技术结合非线性化学计量学定量校正算法建立校正模型。结果表明,分别使用最小二乘支持向量机算法(LSSVM)和核偏最小二乘(KPLS)两种基于核函数的非线性校正算法建模预测原油密度、酸值和硫质量分数的预测标准偏差分别为00065 g/cm3、019 mgKOH/g和038%以及00089 g/cm3、023 mgKOH/g和040%,预测结果的重复性与再现性等同或优于标准方法。与经典偏最小二乘(PLS)方法相比,KPLS算法准确性更高,而LSSVM具有更快的训练速率、更小的测量偏差等优点。     

PCA&PSO在油气水三相流流型识别中的应用

为了提高油气水三相流流型识别的准确率,提取了对流型变化敏感的多个特征。通过主成分分析将原始特征向量进行降维处理,并将其作为最小二乘支持向量机的输入矢量,建立油气水三相流流型识别模型;对于最小二乘支持向量机模型中参数的选取,采用粒子群优化算法进行寻优。实验结果表明,该模型简化了分类器结构,提高了流型识别精度。     

PCA＆PSO在油气水三相流流型识别中的应用

为了提高油气水三相流流型识别的准确率,提取了对流型变化敏感的多个特征.通过主成分分析将原始特征向量进行降维处理,并将其作为最小二乘支持向量机的输入矢量,建立油气水三相流流型识别模型;对于最小二乘支持向量机模型中参数的选取,采用粒子群优化算法进行寻优.实验结果表明,该模型简化了分类器结构,提高了流型识别精度.     

基于红外光谱与多种预处理组合的柴油纯度检测方法

利用红外光谱技术采集51种不同体积分数的柴油光谱数据,采用主成分马氏距离法剔除异常样本,通过71种预处理组合及偏最小二乘法建立了柴油纯度性质模型。结果表明：合理预处理后的建模效果明显优于未经预处理的效果,预测均方根误差(RMSEP)降到了0.040 0以下,相关系数(R_p)达到了0.990 0以上,且预处理组合方法的顺序不同,其建模效果即模型评价指标RMSEP、R_p也不同;1stderivative+SNV、1^stderivative+SNV+center、1^stderivative+center+SNV、center+1stderivative+SNV这4种预处理组合方法的模型预测效果最好,RMSEP可达0.018 7,R_p可达0.997 8,可适用于柴油纯度光谱数据的处理,实现柴油纯度的检测。     

塔河油田复杂碎屑岩岩性识别方法

为了准确识别塔河油田石炭系复杂碎屑岩储集层的岩性,研究了基于常规测井资料的岩性识别方法.根据取心资料将储集层的碎屑岩分为砂岩、含泥砂岩、含砾砂岩和含钙砂岩4种类型;从常规测井资料中提取对岩性反映相对敏感的多种信息,并进行归一化处理;采用常规支持向量机方法和最小二乘支持向量机方法对少量已知岩性的取心岩样进行学习,识别碎屑岩岩性,建立了适用于塔河油田石炭系复杂碎屑岩储集层的岩性识别方法.塔河油田X区块的石炭系碎屑岩岩性识别表明,基于最小二乘支持向量机方法的岩性识别符合率比常规支持向量机方法提高10百分点.研究结果表明,基于最小二乘支持向量机的岩性识别方法能有效识别塔河油田石炭系复杂碎屑岩储集层的岩性.      

The Determination of Diesel Density and Refractive Index by Near Infrared Spectroscopy

In this work, the near infrared spectroscopy method has been successfully designed to determine the diesel density and refractive index by use of 93 representative diesel samples. The multiple linear regression method was chosen to establish the calibration model, and 17 samples were used to verify the calibration model. It was observed that the paired t test statistic (refractive index 1.03, density 0.10) is less than the significance level of 0.05 t distribution (2.12). The repeatability of the near infrared spectroscopy method is better than the standard method. Therefore the near infrared spectroscopy method to determine the diesel density and refractive index is feasible.     

The Determination of a Diesel Solidifying Point by Near Infrared Spectroscopy

A total of 86 representative samples of diesel oil were selected to determine the solidifying point. These samples covered a wide range and the concentration is more evenly distributed. The near infrared spectroscopy (NIR) method to determine the diesel solidifying point was successfully designed. Multiple linear regression method was chosen to establish the calibration model. The regression coefficients, partial regression sum of squares, partial correlation coefficients, the total estimated standard deviation, correlation coefficient, residual sum of squares, and other model parameters were calculated. The repeatability of the NIR method is better than the standard method. It can be seen that this NIR method to determine the diesel solidifying is feasible and repeatable.     

柴油十六烷值预测模型研究

目前,测定柴油十六烷值的试验机价格较高,现有十六烷指数预测精度低,为满足炼油厂生产柴油在线调合的需要,迫切需要建立预测精度高的柴油十六烷值预测模型。基于450个具有代表性的柴油样本,建立了柴油理化性质、烃族组成与十六烷值数据库;进而采用逐步回归分析方法,应用统计产品和服务解决方案(SPSS)软件,建立了基于柴油理化性质的十六烷值预测模型和基于柴油烃族组成的十六烷值预测模型。采用F检验、T检验、残差分析验证了上述模型的有效性,并通过计算均方根误差,比较了上述两个模型的精度,结果表明,两种预测模型均有效,基于理化性质模型的预测精度优于基于烃族组成的模型。     

Near Infrared Spectroscopic Determination of Diesel Fuel Parameters Using Genetic Multivariate Calibration

The use of full spectral region from near infrared spectroscopic analysis does not always end up with a good multivariate calibration model as many of the wavelengths do not contain necessary information. Due to the complexity of the spectra, some of the wavelengths or regions may, in fact, disturb the model-building step. Genetic algorithms are one of the useful tools for solving wavelength selection problems and may improve the predictive ability of conventional multivariate calibration methods. This study demonstrates application of genetic algorithm-based multivariate calibration to near infrared spectroscopic determination of several diesel fuel parameters. The parameters studied are cetane number, boiling and freezing point, total aromatic content, viscosity, and density. Multivariate calibration models were generated using genetic inverse least squares (GILS) method and used to predict the diesel fuel parameters based on their near infrared spectra. For each property, a different data set was used and in all cases the number of samples was around 250. Overall, percent standard error of prediction (%SEP) values ranged between 2.48 and 4.84% for boiling point, total aromatics, viscosity, and density. However, %SEP results for cetane number and freezing point were 11.00% and 14.86%, respectively.     

近红外光谱法测定柴油中的芳烃含量

研究了采用近红外光谱测定柴油中芳烃含量的方法。通过高效液相色谱分离、移动丝氢火焰检测器检测获得柴油中芳烃的基础数据。在５０００～１００００ｃｍ－１波长范围内,应用傅立叶变换近红外光谱仪,交互检验偏最小二乘方法对使用的光谱范围进行优化。所得校正模型对训练集样品预测的平均偏差为０２３％,对未知样品将近红外预测结果与ＨＰＬＣ的测定结果比较,平均偏差为０２７％。作为一种快速分析技术,近红外光谱测定柴油中的芳烃含量是简便可靠的方法。     

基于WT与LSSVM的储层流动单元划分方法

某研究区储层特性较为复杂,为了依据测井数据准确求取储层参数,提出基于小波变换(WT)与最小二乘支持向量机(LSSVM)相结合的储层流动单元划分方法。选取21口关键井的岩心物性资料、测井资料,依据流动层带指数划分方法将取心井储层流动单元划分成Ⅰ、Ⅱ、Ⅲ类,建立流动单元的识别规则和划分标准。将WT与LSSVM相结合对取心井储层流动单元进行学习训练,使用WT对各测井曲线分别分解为高频和低频成分,利用C5.0决策树对不同频率成分的训练样本进行参数敏感性分析得到学习所用的训练样本集,利用LSSVM训练训练样本建立流动单元预测识别模型,使用该模型对取心或非取心段储层流动单元进行预测。实验表明,基于WT与LSSVM的储层流动单元划分模型具有较高的识别精度,为储层精细评价提供一种较有效的研究方法。     

Near Infrared Spectroscopic Determination of Diesel Fuel Parameters Using Genetic Multivariate Calibration

Abstract

The use of full spectral region from near infrared spectroscopic analysis does not always end up with a good multivariate calibration model as many of the wavelengths do not contain necessary information. Due to the complexity of the spectra, some of the wavelengths or regions may, in fact, disturb the model-building step. Genetic algorithms are one of the useful tools for solving wavelength selection problems and may improve the predictive ability of conventional multivariate calibration methods. This study demonstrates application of genetic algorithm-based multivariate calibration to near infrared spectroscopic determination of several diesel fuel parameters. The parameters studied are cetane number, boiling and freezing point, total aromatic content, viscosity, and density. Multivariate calibration models were generated using genetic inverse least squares (GILS) method and used to predict the diesel fuel parameters based on their near infrared spectra. For each property, a different data set was used and in all cases the number of samples was around 250. Overall, percent standard error of prediction (%SEP) values ranged between 2.48 and 4.84% for boiling point, total aromatics, viscosity, and density. However, %SEP results for cetane number and freezing point were 11.00% and 14.86%, respectively.     

柴油加氢装置50×10~4t/a精制生产方案的工业标定

介绍了哈尔滨石化分公司柴油加氢装置改变运行方式后50×10^4t/a精制生产方案的工业标定情况,并与2002年9月的标定情况进行了对比。标定结果表明：在带上降凝反应器进行精制方案生产的条件下,加氢装置可以满足50×10^4t/a加工量的生产要求,产品质量有较大程度的改善,产品分布比较理想,柴油收率高,但氢耗增加较大。