026] 式中，xu表示SVR模型的n維輸入向量，為第j支探針第i個訓練集樣本對應的電 壓響應信號的PCA特征量，n彡12 ;yu表示SVR模型的1維輸出向量，為第j支探針第i個 訓練集樣本對應的油水兩相流含水率值，j = 1，2,…，N，N表示探針的數目，i = 1，2,…，1， 1表示訓練集的長度，測試集的數據格式和訓練集一致；利用各探針的訓練集樣本分別對 SVC模型進行訓練，采用高斯徑向基函數，利用各探針的測試集樣本分別測試SVR模型的垂 直井含水率測量精度；
[0027] 步驟五，采用遺傳算法（GA)來優化SVR模型的懲罰因子C和高斯徑向基函數核半 徑〇，來提高SVR模型的測量精度和泛化能力，所述優化步驟如下：(a)設定懲罰因子C、核 函數參數〇的搜索范圍，設置進化代數計數器t = 0,設置最大進化代數，種群規模，交配概 率，變異概率，搜索精度，隨機生成初始群體P(〇) ;(b)設定計算群體P(t)中各個個體的適 應度RCT(C，〇 )，即SVR模型交叉驗證下的垂直井含水率測量精度；（c)進行選擇運算、交叉 運算、變異運算之后得到下一代群體；（d)若達到搜索精度，則以該次進化得到的個體作為 最優解輸出，終止計算；否則按達到最大進化代數，以進化過程中所得到的具有最大適應度 個體作為最優解輸出，終止計算；
[0028] 步驟六，對電導探針陣列各個探針所預測的垂直井含水率進行基于最小均方誤差 的線性均方估計的決策級信息融合；第j支探針預測的含水率值設為Y,，j = 1，2,…，N，N 為探針數目，如果￥,是無偏的，且互相獨立，則可使用下式進行線性均方估計
[0029]
(8)
[0030] 式中，Wj表示分配給第j支探針預測值Y ^的權重；基于最小均方誤差的線性均方 估計中tWj的取值需滿足
m
[0031]
[0032] 式中，MSE,表示第j支探針利用訓練集樣本預測含水率的均方誤差，即
[0033]
(：1〇)
[0034] 式中，和yy表示第?]_支探針第i個訓練集樣本對應的含水率預測值和真值，i =1，2,…，1，1表示訓練集的長度；本方法獲得線性均方估計均方誤差的最小值
[0035]
[0036] 本發明的一種基于電導探針陣列信息融合的垂直井含水率測量方法，相對于基于 單探針的垂直井含水率測量方法，本發明不僅提高了測井的魯棒性和可靠性，而且提高了 測量精度。而且，本發明的測量精度高于采用基于算術平均的線性均方估計的決策級信息 融合的測量精度。
[0037]【說明書附圖】
[0038] 圖1是基于電導探針陣列信息融合的垂直井含水率測量方法流程圖；
[0039]圖2是侵入式可收縮雙環電導探針陣列測井儀示意圖，圖中扶正器（21)，電機 (22)，電導探針陣列（23)，電導探針（231)，支撐臂（232)，電導測量及通信電路（24)，電纜 接口（25);
[0040] 圖3是電導測量電路測量電導探針陣列各個探針電壓響應信號的示意圖，圖中雙 極性正弦波激勵信號（31)，阻值為R f的取樣電阻（32)，開關（33)，電導探針（34)，金屬外殼 (341)，絕緣層（342)，針芯（343)，垂直井油水兩相流（35)，電導探針電壓響應信號（36)。 【具體實施方案】
[0041] 參考圖1、2和3,結合實例，對本發明的具體實施方案做進一步描述。
[0042] 為了驗證如圖1所示的所發明的一種基于電導探針陣列信息融合的垂直井含水 率測量方法，利用如圖2所示的侵入式可收縮雙環電導探針陣列測井儀在大慶石油測井 試井檢測實驗中心大型垂直井多相流實驗裝置進行了油水兩相流實驗。垂直模擬井內徑 125mm，高度24m。雙環電導探針陣列測井儀由扶正器（21)、電機（22)、電導探針陣列（23)、 電導測量及通信電路（24)和電纜接口（25)組成。扶正器（21)可保證測井儀器在井筒中處 于中心位置。電機（22)可打開和收縮探針陣列。雙環電導探針陣列24支電導探針（231) 等角度分布在與測井儀中軸同心的兩個圓周上，呈輻射狀，且同一支撐臂（232)上的兩支 電導探針互相平行。每支電導探針由金屬外殼（341)、絕緣層（342)、針芯（343)組成，金屬 外殼（341)直徑3mm，外殼接地，針芯（343)裸露的尖端長度為3mm，絕緣層（342)將針芯 (343)與金屬外殼（341)分開，如圖3所示。每支電導探針可通過電導測量及通信電路（24) 來檢測直徑大于3_的油泡或水泡且不受連續相的影響，如圖3所示。電纜接口（25)連接 測井電纜以曼碼格式將測量數據上傳至地面。
[0043] 實驗用油為柴油，密度0.825g/cm3、粘度3X103Pa，s、表面張力28.62X 10 3N/m。 用水為自來水，密度1&/〇113、粘度0.890\10午3,8、表面張力71.25\10%/111。在實驗中， 設定油水兩相流總流量10~200m 3/天（調節間隔10m3/天），含水率0~100% (調節間 隔10% )。對于總流量和含水率的各種組合，雙環電導探針陣列測井儀24支探針將分別記 錄電導探針的電壓響應信號，獲得一份測量樣本。由于總流量和含水率共有220種組合，因 此每支探針分別獲得220份響應信號樣本。各探針響應信號采樣率均為0. 1kHz，每份樣本 長度為6800。在建模中，220份探針響應電壓樣本被隨機劃分為訓練集和測試集，兩者分別 占總樣本的80%和20%。重復隨機劃分過程50次，得到50種訓練集和測試集的組合。這 些組合被用來在統計意義上評價本發明提出的方法。
[0044] 一種基于電導探針陣列信息融合的垂直井含水率測量方法，其特征在于，包含以 下步驟：
[0045] 步驟一，首先，在垂直井中油水兩相流不同總流量和含水率組合下，通過電機（22) 打開電導探針陣列（23)的支撐臂（232)，其次，通過電導遙測電路（24)測量電導探針陣列 (23)各個探針（231)的電壓響應信號，所述測量方法如下：將幅值為1^的雙極性正弦波激 勵信號（31)施加在阻值為Rf的取樣電阻（32)上，開關（33)依次選通電導探針陣列每個探 針（34)，取樣電阻R f與選通的電導探針的針芯（343)的尖端所處位置油水兩相流（35)的 對地電阻Rx構成分壓電路，在激勵信號波峰時刻測得電導探針的電壓響應信號（36)的幅 值為U。，則有
[0046]
C1)
[0047] 該探針電壓響應信號以時間序列形式記錄，并以曼碼格式經測井電纜上傳至地 面；
[0048] 步驟二，在統計分析中，分別從每個探針電壓響應信號提取4個特征量，即均值、 標準差、偏度系數、峰度系數；在小波分析中，分別將每個探針響應時間序列進行兩層小波 包分解，提取8個特征量的方法如下：重構第二層小波分解得到的四個次頻帶小波系數，得 到相應次頻帶的重構序列S2i ]，j = 0, 1，2, 3 ;在第二層小波分解得到的四個次頻帶小波系 數的能量為
[0049；
(2)
[0050]式中，S2,j(k)表示重構序列S2,;的第k個元素，Ni表示S2,;的長度；第二層小波分 解得到的四個次頻帶小波系數的能量比例由下式計算得到
[0051]
⑶
[0052] 在第二層小波分解得到的四個次頻帶小波系數的信息熵定義為
[0053] (4)
[0054] (5)
[0055]
[0056] 式中，SFfej)(k)表示S2,;傅里葉變換序列的第k個元素，N2表示SFfe0的長度。
[0057] 步驟三，分別對電導探針陣列每個探針電壓響應信號的特征量進行Z-score歸一 化，再分別采用主成分分析（PCA)技術提取主成分，降低特征量之間的數據冗余，所得到的 主成分稱之為PCA特征量；Z-score歸一化方法定義為
[0058]
的
[0059] 上式中，Xu表示在油水兩相流不同總流量和含水率組合下第j支探針的第i個特 征量組成的向量，黑 1*?表示歸一化后的特征量向量，j = 1，2,…，N，N表示探針的數目，i = 1，2,…，12 ; 1^;和〇 ^分別表不X_u的均值和標準差；PCA技術是分析多個變量間相關性 的一種多元統計方法，通過正交變換將多個可能相關的變量變換成少數幾個線性不相關的 綜合指標，稱之為主成分，在所有正交變換線性組合中選取方差貢獻率最高的綜合指標作 為第一主成分，后續的每個主成分都將是剩余線性組合中方差貢獻率最高的綜合指標，且 與前面的主成分正交；
[0060] 步驟四，利用支持向量回歸（SVR)方法分別建立從電導探針陣列各個探針的PCA 特征量到垂直井油水兩相流含水率的回歸模型，稱之為SVR模型，訓練集的一個樣本被記 作
[0061] (X.u，y.u)，X.UGRn，[0, 1] (7)
[0062] 式中，xu表示SVR模型的n維輸入向量，為第j支探針第i個訓練集樣本對應的電 壓響應信號的PCA