基于鱼群算法优化LSSVM的有杆泵抽油井油液含水率软测量建模

冯中申（辽河油田兴隆台采油厂，辽宁 盘锦 124010）

基于鱼群算法优化LSSVM的有杆泵抽油井油液含水率软测量建模

冯中申（辽河油田兴隆台采油厂，辽宁 盘锦 124010）

油液含水率是有杆泵抽油井的一个关键生产参数，现有测量方法存在检测周期长、时效性差以及劳动强度大等问题。对此，本文提出一种基于人工鱼群算法优化LSSVM的有杆泵抽油井油液含水率软测量方法。首先由LSSVM方法建立软测量模型，然后，对其中的关键参数γ和s2，采用人工鱼群算法进行优化选择。由一口抽油井的实际生产数据验证了本文所提出方法的有效性。

鱼群算法；优化LSSVM；有杆泵抽；软测量

油液含水率是有杆泵抽油井的一个重要生产参数，是评价油井生产效率的重要指标，不仅反映油井的工作寿命，还关系到企业的生产效益。因此，实现油液含水率的准确测量，不仅对评价地下油藏的开发价值有重要作用，还对制定合理的油井生产措施具有重要的意义。目前油田生产中对于油液含水率的测量，一般采用人工取样化验的方法，首先由现场工人采集井口油液，然后提交给化验部门进行分析，一般耗费至少一天的时间。传统的人工检测方法检测周期长、时效性差以及劳动强度大，并且无法及时获知油井生产状况以进一步调整生产措施。

软测量技术由Brosilow等于1978年提出[1]，针对某些难以测量或者暂时不易测量的重要变量，选择另外若干较易测量的辅助变量，通过构造某种数学关系建立它们之间的联系，实现软件代替硬件的功能。本文采用软测量技术实现有杆泵抽油井油液含水率的软测量，采用最小二乘支持向量机[2]（LSSVM）建立软测量模型，对其中的正则化参数γ和高斯核参数s2采用人工鱼群（AFSA）算法进行优化选择。

1 LSSVM算法

其中，Φ为高维特征空间，w为高维空间的向量，b∈R。根据结构风险最小化原则，有如下优化问题：

其中，γ为正则化参数，e为松弛因子。建立拉格朗日等式，上述约束优化问题转化为：

其中，αi(i=1,2,…,l)为拉格朗日乘子。可以得到：

其中，K(xi,xj)=ΦT(xi)Φ(xj)为核函数。采用最小二乘法求解式(4)，得到决策函数：

对于核函数的选择，本文采用高斯核函数。

2 AFSA算法

人工鱼群算法是根据鱼群觅食行为所制定的优化策略，具有受初始值影响小、搜索速度快等特点。人工鱼群的行为如下：

（1）觅食行为

设人工鱼个体的当前状态为xi，下一状态为xj，Y表示人工鱼当前位置的食物浓度，觅食行为的数学表达式为：

其中，rand1和rand2为[0,1]内的随机数，S为移动步长。

（2）聚群行为

假设人工鱼当前状态为xi，同伴数目nf，其中间位置定义为：

如果有Yc/nf＞δYi，则向中间位置前进一步，步长为S；否则返回觅食行为。

（3）追尾行为

假设人工鱼当前状态为xi，考查邻域内人工鱼同伴的Yj，设xmax是最大的人工鱼同伴以及最大的Ymax，如果有Ymax/nf＞δYi，则向中间位置前进一步，步长为S；否则返回觅食行为。

（4）公告板

记录最优人工鱼的个体状态，如果当前状态为最佳，则更新公告板种状态；否则，状态不变。寻优结束后，公告板状态即为最优解。

3 实例验证

采集国内某油田作业区一口抽油井的300组生产数据进行仿真验证，随机选取250组数据训练软测量模型，剩余50组数据作为测试样本。选择上下冲程平均载荷差、冲次、冲程、产液量、井口油压和套压作为辅助变量。

4 结语

针对传统有杆泵抽油井油液含水率测量方法中所存在的检测周期长、时效性差以及劳动强度大等问题，本文提出了一种基于鱼群算法优化LSSVM的软测量方法，根据LSSVM方法建立软测量模型，采用人工鱼群算法优化其中的关键参数，实际数据验证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，高宪文，李琨，等.鱼群算法优化组合核函数GPR的油井动液面预测[J].东北大学学报:自然科学版，2017，38(1)：11-15.