BP神經(jīng)網(wǎng)絡(luò)在射孔信號(hào)識(shí)別中的應(yīng)用

宋 凱，李嘉強(qiáng)

(沈陽(yáng)理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽(yáng) 110159)

?

BP神經(jīng)網(wǎng)絡(luò)在射孔信號(hào)識(shí)別中的應(yīng)用

宋 凱，李嘉強(qiáng)

(沈陽(yáng)理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽(yáng) 110159)

將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于油管傳輸射孔信號(hào)的識(shí)別，射孔信號(hào)經(jīng)過小波變換，取小波變換后的一階分量作為神經(jīng)網(wǎng)絡(luò)的特征量，將多個(gè)信號(hào)的一階分量送入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到穩(wěn)定的系統(tǒng)，可以利用這個(gè)系統(tǒng)識(shí)別射孔信號(hào)。如果射孔信號(hào)為一級(jí)起爆信號(hào)，結(jié)果顯示為1；如果為其他類型結(jié)果顯示為0。經(jīng)過實(shí)驗(yàn)證明，所設(shè)計(jì)的BP網(wǎng)絡(luò)可以識(shí)別油田射孔作業(yè)中一級(jí)起爆的油管傳輸射孔信號(hào)。

小波變換；BP算法；BP神經(jīng)網(wǎng)絡(luò)

射孔完井是當(dāng)前油氣開發(fā)過程中油氣井的主要完井方式之一，是當(dāng)今國(guó)內(nèi)外最廣泛應(yīng)用的射孔完井方法。國(guó)內(nèi)具有代表性的是由勝利測(cè)井公司提出設(shè)計(jì)要求，經(jīng)西安二一三所研制的一套油管輸送監(jiān)測(cè)系統(tǒng)，它可初步監(jiān)測(cè)到射孔器的井下爆炸[1]。技術(shù)最先進(jìn)、設(shè)備應(yīng)用最廣泛的當(dāng)屬美國(guó)斯倫貝謝(Schlumberger)公司,作為當(dāng)前全球最大的油田技術(shù)服務(wù)公司，其 OrientXact 射孔系統(tǒng)代表著射孔技術(shù)的最新發(fā)展。對(duì)于TCP射孔監(jiān)測(cè)系統(tǒng)的發(fā)展，國(guó)內(nèi)外嘗試做到的各種檢測(cè)系統(tǒng)大多在信號(hào)采集方面主要是通過傳感器采集信號(hào)，常用的傳感器有聲發(fā)射傳感器、振動(dòng)傳感器(拾振器)、加速度傳感器、壓力傳感器等等。在信號(hào)處理方面常用的方法有濾波、AD 轉(zhuǎn)換等等。一般用來識(shí)別信號(hào)采用的方法有信號(hào)的頻域分析(傅里葉變換)、時(shí)域分析(時(shí)域信號(hào)特征)、時(shí)頻聯(lián)合分析(小波分析、希爾伯特黃變換等)。本文通過訓(xùn)練得到穩(wěn)定的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并利用該系統(tǒng)識(shí)別射孔信號(hào)。

1 小波變換

小波變換是一種對(duì)信號(hào)進(jìn)行時(shí)頻局部化的處理方法，小波窗口面積是固定不變的但是它的形狀、時(shí)間窗、頻率窗都是可以任意改變的[2]，由于信號(hào)周期和頻率的反比關(guān)系，小波窗口在信號(hào)高頻部分表現(xiàn)為頻率分辨率較低和較小的周期即時(shí)間窗很小，時(shí)間分辨率高。窗口在低頻部分表現(xiàn)為頻率分辨率較高和較大的周期即時(shí)間窗很大，時(shí)間分辨率低，所以小波變換被稱譽(yù)為數(shù)字信號(hào)的顯微鏡[3]。小波的定義：一個(gè)函數(shù)f(x)要想成為小波，必須滿足如下約束條件：

(1)

2 BP算法

BP算法的推導(dǎo)過程：設(shè)置神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為n，隱含層節(jié)點(diǎn)數(shù)為m，輸出層節(jié)點(diǎn)數(shù)為k，訓(xùn)練樣本數(shù)為S，xsi為訓(xùn)練樣本S的第i個(gè)樣本值，ysj為第S個(gè)訓(xùn)練樣本在隱含層中第j個(gè)節(jié)點(diǎn)上的輸出值，osl為第S個(gè)訓(xùn)練樣本在輸出層中第l個(gè)節(jié)點(diǎn)上的輸出值，vji為輸入層中第i個(gè)節(jié)點(diǎn)到隱含層中第j個(gè)節(jié)點(diǎn)的權(quán)值，wlj為隱層中第j個(gè)節(jié)點(diǎn)到輸出層中第l個(gè)節(jié)點(diǎn)權(quán)值，tpl為輸出層中第P個(gè)訓(xùn)練樣本在第l個(gè)節(jié)點(diǎn)的期望輸出[4]。

樣本數(shù)據(jù)的正向傳遞：計(jì)算網(wǎng)絡(luò)各層的輸出

(2)

(3)

(4)

(5)

反饋傳遞過程：網(wǎng)絡(luò)依據(jù)梯度下降算法，不斷調(diào)整輸入層的權(quán)值變化量。

(6)

=-(tsl-osl)

(7)

=(tsl-osl)osl(1-osl)

(8)

于是得到σsl=(tsl-osl)osl(1-osl)

故

(9)

隱含層的權(quán)值

(10)

定義誤差信號(hào)為

(11)

(12)

(13)

3 網(wǎng)絡(luò)層數(shù)

對(duì)于BP網(wǎng)絡(luò)，根據(jù)Kolmogrov定理，具有一個(gè)隱含層(隱含層節(jié)點(diǎn)數(shù)足夠多)的三層BP網(wǎng)絡(luò)就能完成任意的N維到M維的映射。BP網(wǎng)絡(luò)層數(shù)越多，其具備處理復(fù)雜性問題的能力就越強(qiáng)，但是隨著層數(shù)的增多，網(wǎng)絡(luò)需要的訓(xùn)練時(shí)間也相應(yīng)增多[5]。如果BP網(wǎng)絡(luò)的層數(shù)太少，那么訓(xùn)練后的網(wǎng)絡(luò)將很難收斂。隱含層層數(shù)要根據(jù)問題具體來決定，隨著隱含層數(shù)的增加，神經(jīng)網(wǎng)絡(luò)解決復(fù)雜問題的能力也隨之增強(qiáng)，但是隨著隱含層數(shù)的增加網(wǎng)絡(luò)的訓(xùn)練時(shí)間也不斷增長(zhǎng)。李振然等[6]的研究表明，只有一個(gè)隱含層神經(jīng)網(wǎng)絡(luò)，只要它的神經(jīng)元數(shù)目足夠多，就可以滿足要求，達(dá)到訓(xùn)練目的。如果將隱含層數(shù)由一個(gè)增加為兩個(gè)，網(wǎng)絡(luò)的精度沒有太多提高，但是網(wǎng)絡(luò)的組成變得更復(fù)雜，訓(xùn)練時(shí)間也會(huì)大大增加。所以本文選用單輸入層單輸出層和一個(gè)隱含層的經(jīng)典BP網(wǎng)絡(luò)設(shè)計(jì)方案。

4 轉(zhuǎn)移函數(shù)的選擇

圖1 轉(zhuǎn)移函數(shù)曲線

5 神經(jīng)網(wǎng)絡(luò)識(shí)別射孔信號(hào)

將油管傳輸射孔信號(hào)經(jīng)過小波變換后的一階分量數(shù)據(jù)歸一化處理后送入到BP網(wǎng)絡(luò)中訓(xùn)練。訓(xùn)練曲線如圖2所示，經(jīng)過130次的訓(xùn)練，網(wǎng)絡(luò)性能達(dá)到設(shè)計(jì)要求。

圖2 BP網(wǎng)絡(luò)訓(xùn)練結(jié)果圖

網(wǎng)絡(luò)識(shí)別信號(hào)的結(jié)果用以下兩式表示，式(14)中，當(dāng)網(wǎng)絡(luò)識(shí)別了一級(jí)起爆TCP信號(hào)其結(jié)果顯示1，如果不是一級(jí)起爆的TCP信號(hào)結(jié)果顯示0。式(15)表明Result識(shí)別結(jié)果的百分比。

Result=～sum(abs(X-x))

(14)

(15)

將Shu45-29井的一次射孔信號(hào)的小波一階數(shù)據(jù)送入已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行驗(yàn)證，結(jié)果返回Result=1，表明此次射孔信號(hào)是一級(jí)起爆TCP信號(hào)。信號(hào)的小波變換一階數(shù)據(jù)如圖3所示，驗(yàn)證結(jié)果如圖4所示。

圖3 信號(hào)的一階數(shù)據(jù)

圖4 Shu45-29識(shí)別結(jié)果圖

將Shu45-29的一次數(shù)據(jù)和Xing-23的一次數(shù)據(jù)同時(shí)送入網(wǎng)絡(luò)進(jìn)行驗(yàn)證，結(jié)果如圖5所示，結(jié)果表明這兩個(gè)信號(hào)都是一級(jí)起爆TCP信號(hào)，Percent表明BP網(wǎng)絡(luò)對(duì)這兩路信號(hào)都能識(shí)別。

圖5 識(shí)別結(jié)果圖

6 結(jié)論

首先將油管傳輸射孔信號(hào)經(jīng)過5層小波變換，目的是去除摻雜在信號(hào)中的噪聲，取小波變換后的一階分量作為神經(jīng)網(wǎng)絡(luò)的特征信號(hào)。將大量測(cè)得射孔信號(hào)做同樣的操作，把這些特征信號(hào)送入設(shè)計(jì)好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，直到得到穩(wěn)定的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，利用這個(gè)穩(wěn)定的神經(jīng)網(wǎng)絡(luò)系統(tǒng)識(shí)別油管傳輸射孔信號(hào)。如果射孔信號(hào)為一級(jí)起爆信號(hào)，結(jié)果顯示為1；如果為其他類型結(jié)果顯示為0。經(jīng)過大量實(shí)驗(yàn)證明，所設(shè)計(jì)的BP網(wǎng)絡(luò)可以識(shí)別油田射孔作業(yè)中一級(jí)起爆的油管傳輸射孔信號(hào)。

[1]劉貫虹，朱建新，錢衛(wèi)良.油管輸送射孔(TCP)監(jiān)測(cè)識(shí)別系統(tǒng)[J].測(cè)井技術(shù)，2008，32(2):128-133.

[2]代海波，單銳，王換鵬，等.基于改進(jìn)閾值函數(shù)的小波去噪算法研究[J].噪聲與振動(dòng)控制，2012(12)：189-193.

[3]徐野，劉鐵強(qiáng).基于BP神經(jīng)網(wǎng)絡(luò)算法的手寫數(shù)字識(shí)別技術(shù)研究[J].沈陽(yáng)理工大學(xué)學(xué)報(bào)，2010,29(5):13-16.[4]Zhao Yangqin.Multi-level denosing and enhancement method based on wavelet transform for mine monitoring[J].International Journal of Mining Science and Technology,2013(23):163-166.

[5]黃慶斌.BP算法的改進(jìn)及其應(yīng)用研究[D].成都：西南交通大學(xué)，2010.

[6]李振然，賈彩旭.基于人工神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J].廣西電力，2002(4)：7-10.

[7]韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M].北京：電子工業(yè)出版社，2007：27-32.

(責(zé)任編輯：馬金發(fā))

Identification of Perforating Signal Based on BP Neural Network

SONG Kai，LI Jiaqiang

(Shenyang Ligong University，Shenyang 110159，China)

BP neural network technology will be applied to automatic recognition of the tubing conveyed perforation signal.Taking the first order component after wavelet transform as the feature of neural network,we put the first order component of multiple signals in neural network to train,we can obtain a stable system and we can use the system to recognize the tubing conveyed perforation signal.If the perforation signal is an initiation signal,the result is displayed as 1;otherwise,the result is displayed as 0.The experiments show that the BP network designed in this paper can be identified perforation signal.

wavelet transform;BP algorithm;BP neural network

2015-09-28

遼寧省科學(xué)計(jì)劃項(xiàng)目(2012217005)；遼寧省科學(xué)事業(yè)公益研究基金資助項(xiàng)目(2012004002)

宋凱(1964—)，男，教授/博導(dǎo)，博士，研究方向：計(jì)算機(jī)視覺、智能檢測(cè)與控制等。

1003-1251(2016)04-0012-04

TN911.23

A