基于小波神经网络的电阻率仪器温度补偿算法研究

在实际的现场工矿条件中, 油层温度远高于地面正常的环境温度, 在一定范围内造成仪器的测量数据产生温度漂移, 不能准确地反映真实的地层参数, 这直接影响到定向工程。为了消除这种测量误差, 本文介绍一种基于小波神经网络的算法来实现电阻率温度补偿, 并通过实际的测量数据修正结果证实了能够最大限度地消除温度造成的测量误差。

1 理论基础

由于温度造成的测量数据偏差已经影响到仪器正常的工作, 为了消除其对MRC仪器输出的影响, 达到输出电压与各个易感器件产生的连带误差最小的目标, 采用一种算法去逼近真正的测量值。本文拟采用基于小波分析和前馈神经网络, 其所构成的数学模型结合了小波变换良好的时域局域化性质及神经网络的自学习功能, 通过对网络特征的分析处理, 将学习向量的内积和小波基迭代计算, 以实现函数逼近的目标。小波网络因其良好的非线性映射能力和较强的容错逼近特性, 能够逼近特定性质的非线性曲线[2]。如图1所示:

1.1 小波神经网络

小波神经网络的学习, 是用已定位的小波元代替神经元作为网络的激活函数, 通过小波网络提供区别函数的多分辨近似, 非平稳信号分析和神经网络的自学习的并行处理。利用神经网络数据正向传递与误差的反向传播算法, 计算输出层的误差变化值。同时选取适当的小波作特征提取, 在其特征空间选取最佳的小波基, 通过伸缩和平移因子, 加快网络学习和收敛速度。本文采用的是以小波函数为隐层节点的基函数的神经网络, 进行随钻仪器电阻参数温度补偿的研究。

设f (x) , 则

(1)

对小波函数S (x) 进行伸缩变换和平移变换得到小波基函数, 其公式如下:

(2)

其中自变量 (a, b) 是伸缩因子和平移因子。小波级数把函数f (x) 分解成不同频率的组合。

定义小波子空间:

(3)

并满足, 同时引入小波网络函数变量 (4)

(4)

(5)

符号“<>”表示内积, 和称为小波系数。

小波分析的定义:在函数空间中选择母小波函数S (x) , 此函数需要满足相容性条件。

1.2 小波神经网络结构及算法

本文采用小波神经网络结构如图2所示

该网络输入神经元代表的是不同温度下测量节点的采样数值, 将此学习样本输入到神经网络, 隐层的激励函数采用的是Morlet小波, 选用的依据是其对隐层基函数的正交性要求较低, 具有较高的时频域分辨能力, 同时满足相容性条件, 能有效地提高学习逼近的速度和准确性。

小波神经网络训练算法流程图如图3所示:

2 仪器温度补偿实例

仪器发射线圈流过的电流产生磁场, 通过井眼和周围的底层传播到两个接受线圈, 采集其测量时序和信号幅度, 从而来计算此地层的电阻率值。在实际的测量计算中, 选用相位差和幅度比来实现。设定常温到120度之间的试验需求样本数据, 通过网络学习所达到的实测数据如表1所示:

网络学习的收敛速度也满足了预期的效果, 同时满足了设定的误差范围。在仪器测量的实际运行中提高了测量稳定性和容错性。

摘要：根据电阻率仪器进行地层测量数据时随着温度变化产生波动, 为了减少数据偏差对工程的影响, 提出了一种基于小波神经网络的温度补偿算法, 改善了仪器的温度特性, 提高了测量数据的准确性和稳定性。

参考文献

[1] 焦李成.神经网络系统理论[M].西安电子科技大学出版社, 1990.

[2] 蒋宗礼, 人工神经网络导论, 高等教育出版社, 2001年8月:40-45.[2]JIANG Zongli.Introduction to artificial neural network[M].Beiing:China Higher Education Press.2001:40-45.

[3] Daubechies 1.Ten lectures on wavelets[M].PhiladelphiaPA:SAIM Press, 1992.

[4] 刘增, 东辛油田低电阻率油气层测井解释评价技术研究, 中国石油大学 (华东) 工程硕士学位论文.2007.4.:1-2.LIU zeng.Research on log interpretation and evaluation of lowresistivityreservoir in DONGXIN Oilfield.China University of Pe-troleum (Dong Ying) master degreearticle.2007:1-2