[發明專利]一種基于遺傳算法優化的BP神經網絡的壓裂數據清洗方法

有效

• 申請號: 202110378813.4
• 申請日: 2021-04-08
• 公開（公告）號: CN113095398B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 梁海波;王怡;楊海;李忠兵
• 申請（專利權）人: 西南石油大學
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06K9/62;G06N3/08;G06N3/12
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 劉妮

本發明提供基于遺傳算法優化的BP神經網絡的壓裂數據清洗方法，包括首先將一部分壓裂數據經由人工判斷數據是否異常并做好標記，然后取75％的已標記數據作為遺傳算法優化后的BP神經網絡的訓練樣本集，取剩下25％的已標記數據作為該網絡的測試樣本集；通過模式識別的方式對所有壓裂實時施工數據里存在的“臟數據”進行自動識別。本發明的壓裂數據清洗方法不同于傳統人工清洗，本方法自動化程度高，能大大提高工作效率及準確率；通過對清洗后的壓裂數據進行分析，可進一步有效指導壓裂現場施工，減少決策誤判，并且達到判斷壓裂預期效果、合理高效開發油氣田的目的。

技術領域

本發明屬于石油天然氣壓裂施工技術領域，尤其涉及基于遺傳算法優化的BP神經網絡的壓裂數據清洗方法。

背景技術

分析壓裂施工數據是評價儲層改造效果、判斷壓裂預期效果的重要手段。在壓裂數據采集過程中，由于采集設備故障，人為操作不符合規范等原因會造成數據異常和錄入異常，這使得原始數據中存在一部分“臟數據”。數據清洗就是通過對數據庫中的數據做異常值篩選，來完成對“臟數據”的檢測、剔除的過程。

在海量數據中進行數據清洗無疑是一項復雜且艱巨的任務，現有的清洗方案通常是針對不同行業數據特色而形成的方案和對簡單數據進行數據清洗的通用清洗方案。人工清洗方式操作簡單，但隨著數據規模的增大，需要耗費大量人力、物力、財力，檢測和清除速度會慢很多。

發明內容

本發明的目的在于解決上述現有技術存在的缺陷，提供基于遺傳算法優化的BP神經網絡的壓裂數據清洗方法，其目的在于利用經遺傳算法優化的BP神經網絡，通過模式識別的方式對異常數據進行檢測、剔除。

本發明采用如下技術方案：

基于遺傳算法優化的BP神經網絡的壓裂數據清洗方法，包括如下步驟：

步驟1.BP神經網絡的構建

BP神經網絡分為三層，輸入層、隱藏層和輸出層。由于主要影響壓裂后產能的地層參數有7個，分別是有效厚度、孔隙度、滲透率、壓力系數、無阻流量、地應力、天然裂縫，因此定義輸入為 Input＝[par1,par2,...,par6,par7]，其中，par1-par7分別對應上述7個壓裂地層參數，輸出B為網絡測試輸出結果。經過多次測試，確定該網絡隱含層節點數為30；設定激活函數f為tanh函數，則輸入層到影藏層的計算公式為： output＝f(ω·input-b)，其中ω為權值，b為偏置，其初始值是根據壓裂經驗和壓裂施工實際情況隨機賦值的。設置該網絡的訓練精度為0.00001，最大迭代次數為10000次。

步驟2.利用遺傳算法優化BP神經網絡的參數

傳統的BP神經網絡，其初始權值和閾值依賴設計者的經驗和樣本空間的反復試驗，容易產生收斂速度慢、網絡不穩定以及陷入局部最優等一系列問題。將BP神經網絡和遺傳算法結合理論上可以對任意非線性系統進行映射，并且得到全局最優效果。

遺傳算法是一種基于自然選擇和遺傳學的全局最優搜索方法，穩定性強。在本發明中，先將初始壓裂數據進行編碼，每條染色體均包括所有的數據信息，隨機產生在模型空間均勻分布的初始模型群體。然后通過選擇、交叉、變異操作產生新一代種群。重復這個過程，使得種群不斷地進化，知道最優個體滿足目標精度要求時停止迭代。經過反復調試和壓裂施工經驗，基本參數設置為：種群規模100，交叉概率為0.7，變異概率為0.01，最大遺傳代數為10000代，通過遺傳算法在較大范圍對BP神經網絡的初始權值和閾值進行搜索，接著采用反向傳播算法在較小范圍內進行微調，優化網絡結構和參數，得到最優的權值和閾值。

步驟3.網絡的訓練