摘要
为改善因石油开采过程复杂多变,难以获取完备油井生产数据信息导致的动液面预测模型效果不佳问题,提出一种基于模糊决策(fuzzy decision,FD)约束迁移的变分自编码器-生成对抗网络(variational autoencoder-generative adversarial network,VAE-GAN)模型,用于生成油井动液面预测建模虚拟样本。首先,利用信息较为完备的相似工况源域油井数据,基于迁移学习的VAE-GAN生成虚拟样本,并采用最大均值差异使虚拟样本特征分布向待测目标域油井迁移;其次,为使虚拟样本具有源域油井的丰富信息特征并符合目标域油井生产规则,设计了模糊判别约束模块用于辨别虚拟样本参数间生产特征,进一步约束虚拟样本生成;最后,将所得虚拟样本与目标域少量真实样本混合,构建动液面预测模型。仿真结果表明:本文所提方法生成的虚拟样本可以有效补充待测油井的生产数据,相较于采用待测油井真实数据构建的预测模型,其构建的预测模型在满足油田生产关键参数测量相对误差5%以内要求的基础上,平均绝对误差下降29.589%,均方根误差下降26.386%。所提方法可以有效解决油井生产数据信息不完备问题,能够降低动液面预测模型的输出误差。
Abstract
To solve the problem that the dynamic fluid level prediction model is ineffective due to the complex and changeable oil production process and the difficulty of obtaining complete oil well production data information, a variational autoencoder-generative adversarial network (VAE-GAN) model based on fuzzy decision constraint transfer is proposed to generate virtual samples for the dynamic liquid level prediction modeling of oil wells. Firstly, the oil well data in the source domain with relatively complete information is used to generate virtual samples through a VAE-GAN based on transfer learning. Meanwhile, the maximum mean discrepancy is used to transfer the feature distribution of virtual samples toward the target domain to be measured. Secondly, to ensure that the virtual samples possess the rich information characteristics of the source domain oil wells while conforming to the production patterns of the target domain, we design a fuzzy discriminant constraint module to distinguish the differences between the virtual samples and the data in the target domain and to further constrain the generation of the virtual samples. Finally, the obtained virtual samples are mixed with a small number of real samples in the target domain to construct the dynamic liquid level prediction model. The simulation results demonstrate that the virtual samples generated by the proposed method can effectively augment the production data of the target oil well. Compared to the prediction model constructed using actual data from the target oil well, the model developed with this method achieves a 29.589% reduction in mean absolute error and a 26.386% reduction in root mean square error, while ensuring that the relative error of key oil field production parameters remains below 5%. The proposed methodology effectively tackles the issue of incomplete information in oil well production data, thus mitigating the output error associated with the dynamic fluid level prediction model.
石油作为国家重要的战略资源,确保其安全、稳定生产具有重要战略意义。在石油开采工作中,油井动液面是反映油层供液能力和井下排供关系的重要参数,通过动液面数据可以分析油井运行状态,合理制定油井生产工艺[1]。相较于操作复杂、成本较高的动液面声波测量法[2],基于数据驱动的测量方法因其操作简便、时效性强、灵活性高等优势逐渐在油井动液面测量中得到应用。Leng等[3]通过提取动态和静态特征实现对动液面的预测。Jia等[4]经特征融合并结合机理公式实现多油井的动液面预测。侯延彬等[5]利用机理分析提取多尺度状态特征进行建模以实现动液面预测。Tian[6]利用核主成分分析法消除输入变量间冗余性以提升动液面预测精度。然而,油井生产过程的复杂性和不可重复性致使油井生产数据存在样本缺失或相似数据量较大但信息不足等问题,导致基于数据驱动的测量模型在油井动液面应用中泛化性和鲁棒性较差,极大地制约了模型的现场应用推广。
近些年,针对预测模型建模样本信息不完备问题,主要采用数据增强、迁移学习、集成学习、虚拟样本等方法进行处理。其中,虚拟样本生成(virtual sample generation,VSG)[7]技术通过捕捉和模仿原始数据的分布特征,生成具有相似特性的样本来扩充数据集,在增强数据多样性的同时,能够提高预测模型的泛化性和精确性。其主流方法有变分自编码器(variational autoencoder,VAE)[8]、生成对抗网络(generative adversarial network,GAN)[9]以及基于两者的改进应用。Zhao等[10]针对工业过程数据的动态时变问题,利用多尺度卷积神经网络替代VAE中编码器,有效地增强了虚拟样本的动态适应性。Oliveira等[11]在属性信息约束下构建修改语法VAE,使生成数据能够反映输入分子的性质。Yoon等[12]提出了一种用于时间序列数据生成的TimeGAN,通过结合无监督范式的灵活性与监督训练的可控性生成真实数据。Gao等[13]针对数据分布的不平衡问题,采用基于梯度惩罚的Wasserstein-GAN来补充数据集,以提高模型精度。Lee等[14]结合域适应方法与卷积变分自编码器,将大量源域知识迁移到目标域,生成虚拟样本数据用于预测模型构建。Zhu等[15]针对不同类型数据间的生成问题,结合迁移学习思想提出了CycleGAN,其利用循环一致性损失函数生成与目标域数据类型一致的虚拟样本。Muhammad等[16]利用迁移学习提高生成模型的重构性能,通过大量源域数据生成目标域数据。孙玲俊等[17]将GAN模型置于源域进行预训练以提取跨域底层特征,并生成多样化目标域虚拟样本。由上述研究可知,在不同领域下,通过虚拟样本生成技术解决建模样本数据不足的问题已取得了显著进展。但油井生产过程复杂多变,难以获取待测油井完备的生产信息,导致生成模型输出的虚拟样本多样性不足,且部分虚拟样本不符合待测油井生产参数间的机理关系,使得基于虚拟样本构建的动液面预测模型性能无法得到有效提高。
针对上述问题,本文提出一种基于模糊决策(fuzzy decision,FD)约束迁移的虚拟样本生成方法,并在此基础上进行油井动液面预测。首先,为解决待测油井生产数据信息量不足的问题,提出基于结合迁移学习的变分自编码器-生成对抗网络(variational autoencoder-generative adversarial network,VAE-GAN)模型,将相似工况源域油井数据的丰富信息迁移至待测目标域油井,并利用最大均值差异(maximum mean discrepancy,Mmd)生成与待测油井数据相匹配的虚拟样本;其次,为增加生成虚拟样本的多样性并符合待测油井生产特征,提出基于FD的判别约束模块,通过模糊决策判别样本参数间生产规则,进一步约束生成模型输出符合待测目标域油井生产特征的虚拟样本;最后,采用基于FD约束迁移的VAE-GAN模型生成虚拟样本,构建动液面预测模型,并选用辽河油田某油井生产数据验证其有效性。
1 动液面建模数据分析
传统油井动液面预测模型建模数据来源于油井生产可测量参数,但仅拥有待测油井当前生产历史数据无法使动液面预测模型捕捉到该油井全局生产信息,待测油井部分参数(液量、油压和动液面)的全局与局部数据分布如图1(a)所示。
图
1
油井生产数据分布
Fig.
1
Distribution of well production data
为获得更充足的建模样本,通过传统VSG方法捕捉并学习待测油井局部数据间特征,生成含有待测油井生产信息的虚拟样本。待测油井全局样本与基于局部数据所生成虚拟样本分布如图1(b)所示。同时,根据王通等[18]采用的油井动液面与辅助参数间机理关系,发现所生成虚拟样本中存在异常数据,即虚拟样本与真实油井参数间的生产特征不一致,如图2中标记所示,无法用于构建动液面预测模型。
图
2
虚拟样本异常数据
Fig.
2
Abnormal data of virtual samples
综上,传统VSG方法无法获取待测油井局部数据以外的生产信息,生成虚拟样本难以反映待测油井实际生产的完整状况。同时部分虚拟样本不符合待测油井生产特征,无法解决动液面预测模型效果不理想的问题。
在油田生产中,存在与待测油井位于相同油藏环境且有相似生产工况历史过程的其他油井,两者数据分布如图3所示。
图
3
相似油井数据分布
Fig.
3
Data distribution of similar wells
由图3可知,工况相似的不同油井间全局生产数据存在重叠,同时两者生产参数间的机理关系相似。表明两者在开采过程中具有类似的生产规律和特征,可以通过学习相似工况油井数据中丰富的生产信息,帮助待测油井补充预测模型建模所缺失的生产数据信息。在此基础上可以对生成过程进行约束,使基于相似工况油井数据生成的虚拟样本符合待测油井的实际生产特征,以提高动液面预测模型的准确性和泛化性。
2 VAE-GAN
图
4
VAE-GAN结构
Fig.
4
Structure of VAE-GAN
采用VAE-GAN对待测油井动液面预测模型建模样本D进行扩充过程中,VAE通过对潜在变量p(z)施加先验,使编码器Enc正则化,并经过重构获得后验分布q(z|D),其中先验正则化项LKL的表达式为
(1)
式中:q(z|D)服从Enc(D)分布,即q(z|D)~Enc(D);DKL为KL(Kullback-Leibler)散度。
GAN的目标是使判别器Dis能够区分出真实样本D和虚拟样本Dz,使解码/生成器Gen生成虚拟样本分布能够拟合真实分布。其目标函数是最大化/最小化二元交叉熵(binary cross entropy,BCE),即
(2)
式中:E为期望,Dis(D)、Dis(Gen(z))分别为判别器Dis对真实样本和虚拟样本的判断结果。
采用判别器Dis对重构误差进行表示。
(3)
式中p(Dis(D)|z)为在隐变量z确定的条件下,判别器Dis对D的输出概率分布。
采用三重准则[22]训练VAE-GAN,获得模型总损失函数L为
(4)
式中LVAE为VAE部分的损失函数。
3 基于FD约束迁移的虚拟样本生成
针对待测油井生成的虚拟样本多样性及信息量不足,且部分样本与待测油井生产规则和特征不匹配,无法满足待测油井动液面预测模型的建模需求,本文结合油田生产现状,提出一种基于FD约束迁移的油井动液面预测模型建模虚拟样本生成方法,整体框架如图5所示。其中Dt为待测油井生产数据,Ds为相似工况油井生产数据,σ为标准差,μ为均值,N(0,1)为标准正态分布,Fdt为模糊决策树,为VAE损失,为KL损失,、为重构损失,LDis、LMMD、LF和LG分别为判别、迁移、FD和对抗损失。
图
5
模型整体框架
Fig.
5
Overall framework of model
首先,通过编码器、解码/生成器组成源域VAE并结合判别器Dis、Mmd构建基于迁移学习的VAE-GAN模型。通过生产信息丰富的相似工况源域油井数据经源域VAE生成虚拟样本,利用判别器Dis约束至待测目标域油井,同时采用Mmd缩小两域之间的样本分布差异。其次,采用模糊决策树(fuzzy decision tree,Fdt)和基于编码器、解码器的目标域VAE构建FD判别约束模块,进一步增强对源域VAE的约束能力。同时,目标域VAE的存在为FD判别约束模块提供更丰富的待测目标域油井生产信息,增强模块判别能力。最后,在基于迁移学习的VAE-GAN模型的基础上添加FD判别约束模块,构建基于FD判别约束的VAE-GAN模型。通过对抗训练和反向传播优化整个模型,生成符合待测目标域油井生产规则和特征的虚拟样本,进而用于构建待测油井动液面预测模型。
3.1 基于迁移学习的虚拟样本生成
为解决VAE-GAN使用待测油井生成虚拟样本的不足,利用相似工况油井中丰富的生产信息,提出一种基于迁移学习的VAE-GAN虚拟样本生成模型,结构如图6所示。
图
6
基于迁移学习的VAE-GAN模型结构
Fig.
6
Structure of VAE-GAN model based on transfer learning
设待测油井为目标域油井,其生产数据为Dt=[Xt,yt],样本数为nt;基于Dt生成的虚拟样本,样本数为nt;选取信息丰富的相似工况油井为源域油井[23],其生产数据为Ds=[Xs,ys],样本数为ns;基于Ds生成的虚拟样本,样本数为ns。其中Xt、和Xs、为预测模型输入数据,m为其维度;yt、和ys、为油井动液面数据,且。
源域VAE的输入样本为Ds,编码器通过均值μ(Ds)和标准差σ(Ds)构造后验分布q(z|Ds),解码/生成器从q(z|Ds)中采样潜在变量z(Ds)生成虚拟样本。为使q(z|Ds)接近潜在分布p(z),通过最小化KL散度减少两者间的差距。其中存在先验假设p(z)=N(0,1),损失函数为
(5)
式中r为隐变量z的维度。
为使生成模型能够拟合目标域油井数据Dt分布,选用Mmd衡量D\begin{equation}_{z}^{s}\end{equation}与Dt间的差异。通过最小化Mmd指导源域VAE训练,生成符合Dt数据分布的虚拟样本。Mmd的表达式为
(6)
式中:,即;,即;φ为映射函数,选用高斯核函数k(x,y)=exp(-‖x-y‖2/2σ2);H为特征空间。
Mmd的迁移损失函数为
(7)
采用判别器Dis与基于Ds的源域VAE进行对抗训练,即利用与Dt训练判别器 Dis,使其有效判别出两者差异,进而约束源域VAE生成。通过判别结果 Dis(D\begin{equation}_{z}^{s}\end{equation})和Dis(Dt)计算其损失函数。
(8)
源域VAE与判别器Dis的对抗损失函数为
(9)
同时,源域VAE需保证经重构得到的虚拟样本尽可能保留Ds中丰富的生产信息,选用均方误差(mean squared error,MSE)计算其重构损失函数,表达式为
(10)
式中,即。
在LG的基础上,结合LMMD、和优化源域VAE,使D\begin{equation}_{z}^{s}\end{equation}在保留Ds丰富的特征信息的同时能够符合Dt的数据分布。基于Ds的源域VAE总损失函数为
(11)
式中、wm、wd、为权重系数。
3.2 基于模糊决策的判别约束模块
虽然基于迁移学习的VAE-GAN模型丰富了目标域虚拟样本信息,但所生成D\begin{equation}_{z}^{s}\end{equation}的部分样本参数不符合目标域油井生产规则。Fdt通过结合模糊理论,学习数据内在规则以提供分类决策[24-25],使其在面对复杂多变的油井生产环境时可以有效处理生产参数间的不确定性和模糊性。因此,本文设计基于FD的判别约束模块,利用Fdt学习目标域数据和虚拟样本的内在关联,生成基于油井生产特征的模糊规则,实现对虚拟样本的二次判别,进而约束基于迁移学习的VAE-GAN模型,生成更符合目标域油井实际生产特征的虚拟样本。FD判别约束模块训练过程如图7所示。其中FCM为模糊C均值聚类算法,\begin{equation}A_{j}\end{equation}为Dt、D\begin{equation}_{z}^{t}\end{equation}、D\begin{equation}_{z}^{s}\end{equation}的特征标签,Sj为Dt,s对应的特征列,U为模糊隶属度矩阵。
图
7
FD判别约束模块训练过程
Fig.
7
Training process of FD discriminative constraint module
为解决由Dt、D\begin{equation}_{z}^{s}\end{equation}训练的FD判别约束模块因Dt样本量不足而导致模块训练不充分,对D\begin{equation}_{z}^{s}\end{equation}的判别效果不佳的问题,将Dt作为输入,利用VAE模型生成含有目标域特征的虚拟样本,增加训练所需样本数量并增强目标域样本生产特征。基于Dt的目标域VAE模型与基于Ds的源域VAE模型结构相同,其总损失函数由KL散度和重构损失函数构成,表达式为
(12)
式中:为权重系数;、与式(5)、式(10)计算过程相同,但计算数据为Dt。
将Dt、D\begin{equation}_{z}^{t}\end{equation}和D\begin{equation}_{z}^{s}\end{equation}设为FD约束判别模块训练集Dt,s,并划分特征列。
(13)
采用FCM聚类算法[26]对Dt,s进行特征模糊化处理,以获得模糊隶属度。计算每个特征列Sj中每个数据点对聚类中心\begin{equation}c_{j}^{(v)}\end{equation}(v=1,2,···,h)的模糊隶属度\begin{equation}u_{ij}^{(v)}\end{equation},即聚类范围,其表达式为
(14)
式中:分别为数据点至聚类中心\begin{equation}c_{j}^{(v)}\end{equation}、\begin{equation}c_{j}^{(b)}\end{equation}的欧氏距离,l为模糊因子。
聚类中心\begin{equation}c_{j}^{(v)}\end{equation}通过式(15)进行更新,直至\begin{equation}c_{j}^{(v)}\end{equation}的变化小于容忍度或迭代次数达到最大。
(15)
获得每个特征列Sj的模糊隶属度矩阵Uj={U\begin{equation}_{j}^{(v)}\end{equation}}\begin{equation}_{v=1}^{h}\end{equation},将所有矩阵合并得到最终的模糊隶属度矩阵Uf={Uj}\begin{equation}_{j=1}^{m+1}\end{equation}。
在树的构造阶段,通过对分类回归树(classification and regression tree,CART)[27]进行模糊扩展来构建Fdt,根据得到的模糊隶属度进行度量模糊化。模糊度量设为模糊基尼系数Gini(Dt,s)和模糊基尼增益Gain(Dt,s,Sj),表达式分别为:
(16)
(17)
式中:为Dt,s被标记为k类的模糊概率,\begin{equation}C_{k}\end{equation}(k=1,2,3)为标签,||、|Uf|分别为DCk、Dt,s中模糊隶属度的和,DCk是Dt,s的模糊子集;Egini(Dt,s,Sj)为Dt,s按Aj分类后的模糊基尼系数,其表达式为
(18)
FD判别约束模块通过计算所得模糊基尼增益Gain(Dt,s,Sj)完成对模糊规则的构建。统计每个分类结果并利用投票制决定最终分类所属标签,完成对输入数据D\begin{equation}_{z}^{s}\end{equation}的判断。
获得概率集合Pt=P(C1|D\begin{equation}_{z}^{s}\end{equation})、\begin{equation}P_{z}^{t}\end{equation}=P(C2|D\begin{equation}_{z}^{s}\end{equation})和\begin{equation}P_{z}^{s}\end{equation}=P(C3|D\begin{equation}_{z}^{s}\end{equation}),并取概率Pt与\begin{equation}P_{z}^{t}\end{equation}之和作为模糊决策树Fdt判别输出,其表达式为
(19)
FD判别约束模块的目的是约束源域VAE生成的D\begin{equation}_{z}^{s}\end{equation}向目标域逼近,选取BCE函数计算损失函数LF,并最小化LF以优化源域VAE的参数。损失函数LF表达式为
(20)
3.3 总损失函数
基于FD判别约束的VAE-GAN模型的训练过程即为极大极小零和博弈过程。判别器Dis通过不断优化以最大化LDis,同时FD判别约束模块通过训练更新以提升对D\begin{equation}_{z}^{s}\end{equation}的识别能力,两者的训练目的均是降低判别输出Dis(D\begin{equation}_{z}^{s}\end{equation})和Fdt(D\begin{equation}_{z}^{s}\end{equation})。而源域VAE的训练目的与之相反,通过不断优化以最小化LG、LMMD、和LF,使D\begin{equation}_{z}^{s}\end{equation}与目标域油井真实生产数据更相似,提高判别输出Dis(D\begin{equation}_{z}^{s}\end{equation})和Fdt(D\begin{equation}_{z}^{s}\end{equation}),从而与前两者形成对抗。
为确保基于Ds的源域VAE生成D\begin{equation}_{z}^{s}\end{equation}更符合目标域油井生产特征,在的基础上添加LF,对其进一步约束,保证D\begin{equation}_{z}^{s}\end{equation}蕴含源域油井Ds数据丰富信息的同时,更符合目标域油井生产特征。结合FD判别约束模块的源域VAE总损失的公式为
(21)
式中wf为权重系数。
判别器Dis的目标与基于迁移学习的VAE-GAN保持一致,即清晰地分辨D\begin{equation}_{z}^{s}\end{equation}与Dt间的区别,LDis仍采用式(8)计算获得。
3.4 模型执行步骤
基于FD约束迁移的VAE-GAN模型执行具体步骤如下:
步骤1 输入源域数据Ds、目标域数据Dt;同时初始化编码器和、解码/生成器、解码器和判别器Dis的超参数,源域VAE-GAN最大迭代次数,目标域VAE最大迭代次数,FD判别约束模块迭代条件Epoch_FD,模糊标签Ct、,损失函数权重wm、wd、。
步骤2 判断当前迭代次数是否达到目标域VAE最大迭代次数,如未达到,执行步骤3,否则目标域VAE训练完成,执行步骤8。
步骤3 Dt经转换为隐变量z(Dt),更新的。
步骤4 z(Dt)通过获得目标域虚拟样本D\begin{equation}_{z}^{t}\end{equation},更新。
步骤5 通过和计算。
步骤6 利用Adam算法,基于损失函数优化编码器和解码器。
步骤7 返回步骤2。
步骤8 判断当前迭代次数是否达到源域VAE-GAN最大迭代次数,如未达到,执行步骤9,否则执行步骤20。
步骤9 Ds经转换为隐变量z(Ds),更新的。
步骤10 z(Ds)通过获得源域虚拟样本D\begin{equation}_{z}^{s}\end{equation},更新。
步骤11 判别器Dis判别Dt和D\begin{equation}_{z}^{s}\end{equation},更新LDis、LG。
步骤12 利用Adam算法,基于LDis优化判别器Dis。
步骤13 判断当前迭代次数是否为Epoch_FD的倍数,如未达到,执行步骤15,否则执行步骤14。
步骤14 使用Dt、D\begin{equation}_{z}^{t}\end{equation}、D\begin{equation}_{z}^{s}\end{equation}训练更新FD判别约束模块。
步骤15 将D\begin{equation}_{z}^{s}\end{equation}输入FD判别约束模块,计算LF。
步骤16 由Dt和D\begin{equation}_{z}^{s}\end{equation}计算Mmd迁移损失LMMD。
步骤17 结合LG、、LMMD和LF计算源域VAE的。
步骤18 使用Adam算法,基于优化编码器和解码/生成器。
步骤19 返回步骤8。
步骤20 输出最终生成虚拟样本D\begin{equation}_{z}^{s}\end{equation},结束。
4 基于虚拟样本的动液面预测
极限梯度提升(extreme gradient boosting,XGBoost)[28]方法是一种分布式梯度提升树,通过集成多个基学习器提升模型的性能,具有快速的训练过程和良好的预测效果。本文采用基于FD约束迁移的VAE-GAN模型生成虚拟样本,通过XGBoost构建动液面预测模型,将D\begin{equation}_{z}^{s}\end{equation}作为训练数据,X作为测试输入数据。
XGBoost的目标是最小化LMSE(MSE损失函数)和正则化项Ω(fk)之和,其损失函数为:
(22)
(23)
式中:为训练数据预测输出,fk为第k棵树,K为树的数量,ω为叶子权重,γ、λ为权重系数。
XGBoost是基于加法模型的梯度提升框架,其模型输出为多个决策树的预测值之和,表达式为
(24)
式中:为输出动液面。
X经基于虚拟样本D\begin{equation}_{z}^{s}\end{equation}构建的XGBoost模型,获得动液面预测结果。
5 实验结果与分析
5.1 数据集
实验选取辽河油田某作业区某油井150 组数据作为目标域待测油井数据,抽取前50 组作为目标域油井训练数据,剩余100 组作为目标域油井测试数据,油井动液面预测模型的输入参数为油井液量、油压、套压、电流比、泵效,输出参数为动液面[29]。选取相似油井为源域油井,间隔抽取相似工况生产数据300 组,目标域及源域油井部分生产数据见表1。
表
1
源域与目标域油井部分生产参数
Tab.
1
Partial production data of wells in source domain and target domain
5.2 合理性仿真及分析
5.2.1 参数设置
为验证本文所提虚拟样本生成模型的合理性,通过仿真实验分析对抗网络中各个模块的作用。将不同模块组合为不同生成模型,组合方式见表2。其中√表示模型所采用模块。
表
2
各模块组合方式
Tab.
2
Combination mode of each module
各生成模型的迭代次数为1 000,判别器Dis与解码/生成器Gen训练次数比为2∶1;每迭代50 次更新FD判别约束模块;设Dt的模糊标签为 Ct=C1=1,D\begin{equation}_{z}^{t}\end{equation}的模糊标签为\begin{equation}C_{z}^{t}\end{equation}=C2=0.5,D\begin{equation}_{z}^{s}\end{equation}的模糊标签为\begin{equation}C_{z}^{s}\end{equation}=C3=0;设置树的最大深度为5,拆分节点所需最小样本数为2;每次更新时FCM算法最大训练代数为300,模糊因子为2,容忍度为1×10-4,聚类中心数为5,并从对应特征列随机抽取5个样本作为初始聚类中心;生成模型损失函数的权重因子由交叉验证选取。
实验中目标域VAE和源域VAE的编码器Enc、解码/生成器Gen结构相同,与判别器Dis均采用全连接神经网络构建,隐藏层激活函数采用PReLU,解码/生成器Gen和判别器Dis的输出层采用Sigmoid。相关参数设置见表3。
表
3
模块参数设置
Tab.
3
Module parameter settings
5.2.2 建立模糊规则
选取油井生产数据中液量、油压、套压、电流比、泵效、动液面作为模糊特征属性,记为A1、A2、A3、A4、A5、A6。利用3.3节中的FCM算法进行特征模糊化并采用模糊CART算法构建Fdt,选取最终构建的Fdt进行分析,其聚类中心值见表4。
表
4
聚类中心值
Tab.
4
Cluster center values at different stages
获得每个特征列的隶属度矩阵,分别为U1~U6,其中U1如下:
(25)
合并隶属度矩阵U1~U6,构成最终模糊隶属度矩阵Uf,用于计算模糊基尼系数和模糊基尼增益,Uf见式(26)。
所构建的Fdt如图8所示,其中叶节点上所示标签即为分类结果,G1~G48为模糊基尼增益,T为正确,F为错误。

(26)
从根节点到叶子节点的每条路径都是一条模糊规则,将构建的Fdt转换成模糊规则,见表5。
由构建的Fdt和模糊规则可知,每个样本参数在不同阈值下被充分分析,形成基于多特征比较与交互的决策路径,说明Fdt不仅捕捉到各个参数在不同条件下对结果的影响,还揭示了多个参数共同作用下形成的生产规则,从而为FD判别约束模块的构建提供有力支持。
图
8
模糊决策树
Fig.
8
Fuzzy decision tree
表
5
模糊规则
Tab.
5
Fuzzy classification rules
5.2.3 结果分析
利用模型a~f分别生成300组虚拟样本,采用主成分分析[30]将各生成模型生成的虚拟样本与100组目标域测试数据降维至二维空间进行对比,结果如图9所示。
由图9可以看出:仅采用少量目标域油井训练数据的模型a所生成的虚拟样本虽与目标域油井测试数据的分布趋势一致,但样本过于集中,说明所生成虚拟样本包含的生产信息不足。具有Mmd迁移损失补偿的模型b所生成的虚拟样本有很好的分散性,但仍有部分样本偏离目标域。模型c生成的虚拟样本与目标域油井测试数据的分布趋势接近,且重叠样本较多,证明基于Dt和D\begin{equation}_{z}^{s}\end{equation}的FD 判别约束模块在源域VAE-GAN生成过程中起到一定约束作用,但仍有部分样本分布差异较大。模型d生成的虚拟样本分布与模型c类似,且样本更为分散,表明添加目标域VAE在一定程度上提升了FD判别约束模块的判别效果。基于Dt和D\begin{equation}_{z}^{s}\end{equation}的FD判别约束模块与Mmd损失共同作用时,模型e所生成的虚拟样本分布较模型b有明显的约束效果,且与模型c、d相比更为发散,但仍存在局部样本分布较为集中的现象。相较于其他组合,本文模型生成的虚拟样本在分布和趋势上均与目标域油井测试数据更为匹配,其基本被约束在目标域数据范围内,并表现出良好的聚散性。说明结合Mmd损失和基于Dt、D\begin{equation}_{z}^{s}\end{equation}和D\begin{equation}_{z}^{t}\end{equation}的FD判别约束模块能有效指导生成模型生成待测目标域油井虚拟样本,验证了所提出虚拟样本生成模型设计的合理性。
图
9
各模型生成的虚拟样本与目标域测试数据分布对比
Fig.
9
Comparison of virtual samples generated by each model and test data distribution in the target domain
为进一步定量观测上述各生成模型生成虚拟样本的质量,对所构建油井动液面预测模型进行分析。根据油井生产规律,需扩充虚拟样本数量为真实样本数量的5~7倍,因此,各生成模型生成300组虚拟样本并分别拼接50组目标域训练样本组成训练集1~6。XGBoost超参数经交叉验证确定,采用平均绝对误差(mean absolute error,EMA)、均方根误差(root mean squared error,ERMS)为预测模型评估指标,其表达式分别为:
(27)
(28)
各模型生成虚拟样本训练的预测模型对100组目标域测试数据的预测结果如图10所示,评估指标结果见表6。
图
10
基于不同训练集的动液面预测模型预测结果
Fig.
10
Prediction results of the dynamic liquid level prediction model based on different training sets
由图10和表6可知:基于训练集2~4的动液面预测模型性能相较训练集1构建的预测模型性能均有所不足,说明仅从数据分布或规则约束角度出发生成的虚拟样本难以充分约束源域数据向目标域进行有效迁移。相较训练集3所构建的预测模型,基于训练集4的预测模型性能更佳,说明添加目标域VAE能有效提升FD判别约束模块的约束能力。基于训练集5、6的预测模型性能优于训练集2所构建的模型,说明FD判别约束模块对虚拟样本的二次判别效果优于仅引入Mmd损失的VAE-GAN生成模型的一次判别效果。基于训练集6的动液面预测模型具有最小输出误差和最佳预测性能,说明本文生成模型结合了Mmd损失和基于Dt、D\begin{equation}_{z}^{s}\end{equation}和D\begin{equation}_{z}^{t}\end{equation}的FD判别约束模块的优势,能获得目标域真实样本中不具备的生产信息,生成符合目标域油井真实生产数据特征的虚拟样本,从而提升动液面预测模型性能。
表
6
评估指标结果
Tab.
6
Results of evaluation metrics
5.3 有效性仿真及分析
5.3.1 参数设置
为验证本文所提出的用于动液面预测模型建模的虚拟样本生成模型的有效性,分别将50组目标域训练数据、300组源域生产数据和本文生成模型生成的300组虚拟样本单独作为训练集1~3;将VAE、GAN、合成少数过采样技术(synthetic minority over-sampling technique,SMOTE)[31]、VAE-GAN以及本文生成模型分别生成的300组虚拟样本与50组目标域训练数据拼接构成训练集4~8,进行对比仿真实验。同时为验证本文生成模型所生成虚拟样本对提升其他预测模型性能的有效性,采用训练集1~3和8构建随机配置网络(stochastic configuration network,SCN)[32]预测模型补充对比实验。SMOTE中邻近点数经交叉验证设为6,生成样本数为300;VAE、VAE-GAN和本文生成模型的模块参数设置见表3,GAN参数设置见表7,隐藏层激活函数均为PReLU,输出层均为Sigmoid。生成模型、XGBoost预测模型超参数设置及评估指标与上一实验保持一致;SCN预测模型中最大隐藏节点数为10,容忍度为0.01,最大候选节点数为100。
表
7
GAN参数设置
Tab.
7
GAN parameter settings
5.3.2 结果分析
基于不同训练集构建不同动液面预测模型的测试结果如图11所示,评估指标结果见表8。
图
11
基于不同训练集的各动液面预测模型预测结果
Fig.
11
Prediction results of each dynamic fluid level prediction model based on different training sets
由图11和表8可知:基于源域数据训练集1构建的XGBoost预测模型性能优于采用目标域少量数据训练集2构建的预测模型,说明源域数据中蕴含着与目标域相似的生产信息,印证了将迁移学习引入动液面虚拟样本生成过程的可行性。基于训练集3~8构建的XGBoost预测模型评估指标均优于采用训练集1、2构建的预测模型,说明采用VSG模型扩充目标域油井数据可以降低动液面预测模型的输出误差。其中,本文生成模型生成的训练集3相较于训练集2所构建预测模型的EMA和ERMS分别下降27.517%、24.367%,表明所提生成模型生成的虚拟样本能有效提升预测模型的性能。而基于混合样本训练集8构建的XGBoost生成模型输出误差优于仅采用虚拟样本训练集3的预测模型,相较于训练集2所构建预测模型的EMA和ERMS分别下降29.589%、26.386%,说明混合后的样本可以提供更丰富的生产信息,进一步提升预测模型的性能。同时,与VAE、GAN、SMOTE及VAE-GAN相比,基于本文生成模型的训练集8所构建XGBoost预测模型的预测性能最佳,EMA分别下降12.331%、15.161%、16.091%、12.656%,ERMS分别下降13.531%、16.359%、16.464%、14.152%。说明传统VSG模型在样本有限情况下难以充分学习待测油井的生产信息,而本文生成模型通过迁移相似工况油井的生产信息来补充待测油井,使生成的虚拟样本能有效地提升预测模型的性能。此外,基于本文生成模型生成虚拟样本构建的SCN预测模型与XGBoost预测模型性能相近,表明本文生成模型生成虚拟样本在SCN上同样有效。但相较于XGBoost预测模型,SCN预测模型输出预测曲线拟合程度略显不足,说明其在动液面预测任务中性能逊于XGBoost。
表
8
评估指标结果
Tab.
8
Results of evaluation metrics
6 结论
本文提出一种基于FD约束迁移的动液面预测建模虚拟样本生成模型,并通过合理性和有效性仿真实验进行系统验证,得出结论如下:
1)合理性实验表明,采用FD判别约束模块和Mmd迁移损失能够有效引导具有源域油井丰富生产信息的虚拟样本向目标域待测油井迁移,使之更符合目标域油井生产特征。
2)有效性对比实验表明,相较于通过少量真实样本和VAE、GAN、SMOTE、VAE-GAN生成虚拟样本构建的预测模型,采用本文所提方法构建的预测模型的EMA分别下降了29.589%、12.331%、15.161%、16.091%、12.656%,ERMS分别下降了26.386%、13.531%、16.359%、16.464%、14.152%,说明本文所提生成模型生成的虚拟样本可以有效提升动液面预测模型性能。

