[发明专利]基于集成学习的游梁式抽油机示功图的工况识别方法

说明书

本发明公开了一种基于集成学习的游梁式抽油机示功图的工况识别方法，属于油气生产技术领域。通过先将每个工况下的每个示功图簇中的第一预设部分示功图的几何特征、矩特征和傅里叶描述子代入到至少两个机器学习模型中进行机器学习，训练得到至少两组分类器模型，再将第二预设部分示功图的几何特征、矩特征和傅里叶描述子代入到每组分类器模型中，训练得到每个示功图的至少两个分类结果，以每个施工图的至少两个分类结果和其对应的标签代入多项逻辑斯蒂回归模型中进行集成学习，得到最终分类器模型，当需要判断待测游梁式抽油机示功图的工况时，将其几何特征、矩特征和傅里叶描述子代入到最终分类器模型中，可以实现自动、准确地识别示功图工况。

技术领域

本发明涉及油气生产技术领域，特别涉及一种基于集成学习的游梁式抽油机示功图的工况识别方法。

背景技术

在油气的生产过程中，示功图是一种由载荷随位移逐渐变化的关系曲线，游梁式抽油机可以根据示功图的信息，对其工况进行诊断，掌握油井的工作状态，分析判断油井的参数是否合理，并以获取到的油井的工作状态和油井参数为依据，及时有效地对油井进行调整，达到减少损耗、提高油气产量的目的。

目前，游梁式抽油机示功图的工况识别方法是利用计算机诊断技术绘出示功图，然后由技术人员根据井下标准示功图，进行人工对比识别，以确定工况问题。

在实现本发明的过程中，本发明人发现现有技术中至少存在以下问题：

现有技术中的人工识别方法，不仅对于常规问题的诊析需要大量的处理时间，而且当需要参比的问题参数增加时，处理的时间也会相应增加，处理效率低；同时，根据人为主观判断，增加了误诊的风险。

发明内容

鉴于此，本发明提供一种基于集成学习的游梁式抽油机示功图的工况识别方法，以实现自动、准确地识别游梁式抽油机示功图工况。

具体而言，包括以下的技术方案：

一种基于集成学习的游梁式抽油机示功图的工况识别方法，所述方法包括：

获取游梁式抽油机示功图数据库，并对所述数据库内的每个游梁式抽油机示功图进行二值化处理，得到若干二值化处理后的示功图；

对每个所述二值化处理后的示功图进行特征提取，得到每个所述二值化处理后的示功图的几何特征、矩特征和傅里叶描述子；

根据每个所述二值化处理后的示功图的几何特征、矩特征和傅里叶描述子，对每个所述二值化处理后的示功图进行聚类，得到多个累积示功图；

对每个所述累积示功图进行工况标注，得到每个工况下的多个示功图簇；

将每个工况下的每个示功图簇中的第一预设部分示功图的几何特征、矩特征和傅里叶描述子代入到至少两个机器学习模型中进行机器学习，训练得到至少两组分类器模型；

将每个工况下的每个示功图簇中的第二预设部分示功图的几何特征、矩特征和傅里叶描述子分别代入到所述每组分类器模型中，训练得到每个示功图的至少两个分类结果；

对每个工况下的每个示功图簇中的第二预设部分示功图进行工况标注，得到每个示功图的标签；

将所述每个示功图的至少两个分类结果和所述每个示功图的标签代入多项逻辑斯蒂回归模型进行集成学习，得到最终分类器模型；

将待测游梁式抽油机示功图的几何特征、矩特征和傅里叶描述子代入所述最终分类器模型中，确定所述待测游梁式抽油机示功图的工况。

可选择地，所述获取游梁式抽油机示功图数据库，并对所述数据库内的每个游梁式抽油机示功图进行二值化处理，得到若干二值化处理后的示功图之前，所述方法包括：根据若干游梁式抽油机中每个抽油机光杆的位移和载荷数据，绘制若干游梁式抽油机示功图，并建立所述游梁式抽油机示功图数据库。