当前位置: 首页 > 专利查询>山东大学专利>正文

一种适用于地下水封储油库渗流场时序预测方法及系统技术方案

技术编号:27600024 阅读:20 留言:0更新日期:2021-03-10 10:21
本公开提出了一种适用于地下水封储油库渗流场时序预测方法及系统,包括:针对库区每一水位测井,基于LSTM网络建立该测井地下水位的时序预测模型,最终建立库区地下水位时序预测模型;针对库区每一渗压监测点,基于LSTM网络建立测点渗压的时序预测模型,最终建立库区渗压时序预测模型;基于渗流场时序样本库的数据,根据库区地下水位时序预测模型和渗压时序预测模型输入、输出变量的个数确定LSTM网络结构,调试LSTM模型参数;获得地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据的预测数据。从而避免油气泄露问题和洞库涌水量过大问题,增加储油库运营的安全性,同时降低储油库的运营成本。时降低储油库的运营成本。时降低储油库的运营成本。

【技术实现步骤摘要】
一种适用于地下水封储油库渗流场时序预测方法及系统


[0001]本公开属于地下水封储油库领域,尤其涉及一种适用于地下水封储油库渗流场时序预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术。
[0003]地下水封储油洞库是当前世界主流的储油方式之一。与地上库相比,地下库所需土地更少,运行成本更低,安全性更高,能更好的满足战备要求。为了避免油气泄露,地下水封储油洞库必须建在稳定的地下水位以下,以确保洞室周围的水压高于洞室内储存介质的压力。
[0004]目前常常通过设置水平或者垂直的水幕系统来保证地下水位的稳定。在储油库运营过程中需要对地下水位、水质以及洞室附近的渗压进行监测,根据地下水位、渗压的变化及时调整水幕系统的注水量可以有效避免油气泄露问题和洞库涌水量过大问题。然而水幕系统对于地下水位和渗压的调节作用需要一定的响应时间,存在水幕系统作用效果的滞后性问题。

技术实现思路

[0005]为克服上述现有技术的不足,本公开提供了一种适用于地下水封储油库渗流场时序预测方法,解决了水幕系统作用效果的滞后性问题,降低了储油库油气泄露风险和运营成本。
[0006]为实现上述目的,本公开的一个或多个实施例提供了如下技术方案:
[0007]第一方面,公开了一种适用于地下水封储油库渗流场时序预测方法,包括:
[0008]获取地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据,建立渗流场时序样本库;
[0009]针对库区每一水位测井,基于LSTM网络建立该测井地下水位的时序预测模型,最终建立库区地下水位时序预测模型;
[0010]针对库区每一渗压监测点,基于LSTM网络建立测点渗压的时序预测模型,最终建立库区渗压时序预测模型;
[0011]基于渗流场时序样本库的数据,根据库区地下水位时序预测模型和渗压时序预测模型输入、输出变量的个数确定LSTM网络结构,调试LSTM模型参数;
[0012]将待测实际工程的时间序列监测数据输入调试LSTM模型参数后的库区地下水位时序预测模型和渗压时序预测模型,获得地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据的预测数据。
[0013]进一步的技术方案,基于LSTM网络建立该测井地下水位的时序预测模型时,选取目标地下水位测井的地下水位未来值作为LSTM模型的输出变量,选取该测井地下水位的历
史值、相邻测井地下水位的历史值、相邻测点渗压的历史值作为LSTM模型的输入变量,建立该测井地下水位的时序预测模型。
[0014]进一步的技术方案,基于LSTM网络建立测点渗压的时序预测模型时,选取目标渗压监测点的渗压未来值作为LSTM模型的输出变量,选取该测点渗压的历史值、相邻测点渗压的历史值、相邻测井地下水位的历史值作为LSTM模型的输入变量,基于LSTM网络建立该测点渗压的时序预测模型。
[0015]进一步的技术方案,输入变量需要选择距离目标测井或目标测点相近的,保证输入变量与输出变量之间的相关性。
[0016]进一步的技术方案,调试LSTM模型参数时,选择相对误差率、决定系数和平均绝对百分比误差三个指标对模型预测结果进行评价。
[0017]进一步的技术方案,渗流场时序样本库所记录的地下水位和渗压时序监测数据采取相同的时间间隔,同时时间间隔在设定的范围内,以免造成模型重复性。
[0018]进一步的技术方案,通过建立渗流场即各个测井的地下水位和各个测点的渗压与水幕系统工作参数、水封效果指标、储油库洞室排水量、库区降雨量之间的映射关系,即可实现利用渗流场时序预测值调整水幕系统操作参数。
[0019]第二方面,公开了一种适用于地下水封储油库渗流场时序预测系统,包括:
[0020]样本库构建模块,被配置为:获取地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据,建立渗流场时序样本库;
[0021]地下水位时序预测模型构建模块,被配置为:针对库区每一水位测井,基于LSTM网络建立该测井地下水位的时序预测模型,最终建立库区地下水位时序预测模型;
[0022]渗压时序预测模型构建模块,被配置为:针对库区每一渗压监测点,基于LSTM网络建立测点渗压的时序预测模型,最终建立库区渗压时序预测模型;
[0023]模型调试模块,被配置为:基于渗流场时序样本库的数据,根据库区地下水位时序预测模型和渗压时序预测模型输入、输出变量的个数确定LSTM网络结构,调试LSTM模型参数;
[0024]预测模块,被配置为:将待测实际工程的时间序列监测数据输入调试LSTM模型参数后的库区地下水位时序预测模型和渗压时序预测模型,获得地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据的预测数据。
[0025]以上一个或多个技术方案存在以下有益效果:
[0026]本公开技术方案收集地下水封储油库渗流场的时间序列监测数据,建立渗流场时序样本库。样本库建好后基于LSTM网络构建库区渗流场时序预测模型,具体为库区地下水位时序预测模型和库区渗压时序预测模型。所建立的渗流场时序预测模型输入变量为输出变量的临近测井或测点的时序监测值。LSTM模型构建完成后通过划分样本库为训练集和测试集对模型进行训练,并对预测结果进行误差分析。当模型预测结果的精度和拟合优度满足误差要求后即可进行工程实例的验证,此时采取相对误差率(RE)、决定系数(R2)和平均绝对百分比误差(MAPE)三个指标对模型预测结果进行评价。实现对地下水封储油洞库渗流场的预测,尤其是对储油库的地下水位及渗压进行预测对于指导水幕系统工作、确保储油库运营安全、降低储油库运营成本具有重要意义。
[0027]本公开技术方案提出了一种基于LSTM网络渗流场时序预测模型,解决了对库区地
下水位和渗压的时序预测问题。根据地下水位和渗压的时序预测值可以提前调整水幕系统参数,从而避免油气泄露问题和洞库涌水量过大问题,增加储油库运营的安全性,同时降低储油库的运营成本。本公开能够实现对储油库运营期渗流场的时间序列预测,对水幕系统操作参数的调整具有重大指导意义。
[0028]本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
附图说明
[0029]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
[0030]图1是本公开实施例子的实施步骤流程图。
具体实施方式
[0031]应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0032]需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种适用于地下水封储油库渗流场时序预测方法,其特征是,包括:获取地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据,建立渗流场时序样本库;针对库区每一水位测井,基于LSTM网络建立该测井地下水位的时序预测模型,最终建立库区地下水位时序预测模型;针对库区每一渗压监测点,基于LSTM网络建立测点渗压的时序预测模型,最终建立库区渗压时序预测模型;基于渗流场时序样本库的数据,根据库区地下水位时序预测模型和渗压时序预测模型输入、输出变量的个数确定LSTM网络结构,调试LSTM模型参数;将待测实际工程的时间序列监测数据输入调试LSTM模型参数后的库区地下水位时序预测模型和渗压时序预测模型,获得地下水封储油库库区测井的地下水位和各个测点的渗压时间序列数据的预测数据。2.如权利要求1所述的一种适用于地下水封储油库渗流场时序预测方法,其特征是,基于LSTM网络建立该测井地下水位的时序预测模型时,选取目标地下水位测井的地下水位未来值作为LSTM模型的输出变量,选取该测井地下水位的历史值、相邻测井地下水位的历史值、相邻测点渗压的历史值作为LSTM模型的输入变量,建立该测井地下水位的时序预测模型。3.如权利要求1所述的一种适用于地下水封储油库渗流场时序预测方法,其特征是,基于LSTM网络建立测点渗压的时序预测模型时,选取目标渗压监测点的渗压未来值作为LSTM模型的输出变量,选取该测点渗压的历史值、相邻测点渗压的历史值、相邻测井地下水位的历史值作为LSTM模型的输入变量,基于LSTM网络建立该测点渗压的时序预测模型。4.如权利要求1所述的一种适用于地下水封储油库渗流场时序预测方法,其特征是,输入变量需要选择距离目标测井或目标测点相近的,保证输入变量与输出变量之间的相关性。5.如权利要求1所述的一种适用于地下水封储油库渗流场时序预测方法,其特征是,调试LSTM模型参数时,选择相对误差率、决定系数和平均绝对百分比误差三个指标对模型预测结果进行评价。6.如权利要求1...

【专利技术属性】
技术研发人员:邱道宏傅康薛翊国李志强宁泽旭周炳桦陶宇帆
申请(专利权)人:山东大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1