基于小波多分辨率雙層復雜網絡的多源信息融合法及應用的制作方法

本發明涉及一種兩相流雙模態多源信息融合方法。特別是涉及一種針對油水兩相流循環激勵雙模態傳感器多通道信號的基于小波多分辨率雙層復雜網絡的多源信息融合法及應用。

背景技術：

油水兩相流廣泛存在于石油開采與運輸產業。在油水兩相流系統中，各相的分布隨著時間和空間在不斷變化，形成了不同的流動形態，稱之為流型。兩相流的流型復雜多變，局部流動信息難以準確捕捉，使得相含率等兩相流流動參數的測量存在諸多難點。這對于石油開采和工藝改造成了諸多影響。目前，對于流型的研究主要是采用觀測法、小波特征分析和模糊C聚類、模糊邏輯和遺傳算法、數字圖像處理算法等。對于相含率的測量多采用電導法、電容法、光學法和射線法等。傳統的測量采用的環形電導傳感器和雙螺旋電容傳感器等，是單通道傳感器，容易丟失微觀的局部流動信息。而分布式電導傳感器和激勵循環激勵傳感器等則可以同時采集多通道信號，捕捉到更豐富的微觀流動信息，為流型和流型演化中的流動機制研究提拱了重要技術支持。

復雜網絡理論自創立以來，如今已在多領域得到了蓬勃發展，是研究復雜系統的一個重要工具，尤其是近年來其在時間序列分析中作出了重大貢獻。實踐表明，復雜網絡對于挖掘包含在非線性時間序列中和非線性動力學系統中的重要信息具有明顯的優勢，效果顯著。其在單通道時間序列上的得到成功應用的同時，也使得科研人員開始關注如何將其應用到多通道數據的融合分析中。此外，過去對于復雜網絡的研究主要集中在單層網絡的分析上，而雙層網絡的出現則彌補了單層網絡在融合信息方面的單一性，能夠更好融合不同屬性的信息，從而挖掘出更加豐富的復雜系統的內在特性。

技術實現要素：

本發明所要解決的技術問題是，提供一種能夠實現對復雜流動結構的辨識，刻畫流型演化中的內在動力學機制的基于小波多分辨率雙層復雜網絡的多源信息融合法及應用。

本發明所采用的技術方案是：一種基于小波多分辨率雙層網絡的兩相流多源信息融合法，包括如下步驟：

1)對通過由循環激勵多電極電導傳感器和循環激勵多電極電容傳感器組成的循環激勵雙模態傳感器得到的多通道時間序列分別構建小波系數復雜網絡；

2)構建小波多分辨率聚合網絡，并分別繪制包含有流型信息的圖能量和交叉聚集系數熵與分辨率的關系圖；

3)構建小波雙層復雜網絡，并分別繪制包含有流型信息的每層網絡中的節點聚集系數的均值、節點度的均值和節點特征向量中心性的均值與分辨率的關系圖。

步驟1)包括：

(1)獲取通過循環激勵雙模態傳感器得到的包含有兩相流流體局部流動信息的S組長度均為L的多通道時間序列

(2)對于每一通道的時間序列，進行6個分辨率的小波變換，每一個分辨率得到1個低頻系數子帶即近似系數和1個高頻系數子帶即細節系數，共得到6個低頻系數子帶和6個高頻系數子帶，求每一個低頻帶和每一個高頻帶的最大值x₁、最小值x₂、平均值x₃、標準偏差x₄、陡度函數x₅和峭度函數x₆；這樣對于每一個分辨率來說，低頻帶和高頻帶的12個特征值組成一個特征向量

(3)對于多通道時間序列在每一個分辨率上，計算每兩通道時間序列的特征向量的歐氏距離d＝||X(m)-X(n)||m＝1,2,...,S n＝1,2,...,S,其中，|| ||表示計算歐式距離，X(m)表示通道m的特征向量，X(n)通道n的特征向量；將每一通道的信號作為復雜網絡的節點，以兩通道間的歐氏距離決定復雜網絡中兩節點的連邊；計算所有歐式距離的均值M_n和標準偏差σ，則可得到一個閾值R＝M_n+qσ，其中q＝0.15；如果兩通道的歐氏距離大于該閾值，則兩節點之間沒有連邊，反之，則兩節點之間有連邊；由此，在不同分辨率下分別構建小波系數復雜網絡；這樣，對于一個多通道時間序列，共可得到6個小波系數復雜網絡。

步驟2)包括：

(1)通過循環激勵多電極電導傳感器和循環激勵多電極電容傳感器分別得到一個多通道時間序列，對于每一個多通道時間序列分別在每一分辨率得到一個小波系數復雜網絡；

(2)考慮循環激勵多電極電導傳感器和循環激勵多電極電容傳感器在每個分辨率下分別構建一個小波系數復雜網絡，所以每個分辨率下得到的兩個小波系數復雜網絡，將這兩個小波系數復雜網絡共有的連邊保留，節點數目不變，從而在每個分辨率下構成一個小波多分辨率聚合網絡和它對應的鄰接矩陣A；

(3)對所述的小波多分辨率聚合網絡，設定圖能量指標E(A)：其中，λ_i表示每一個分辨率下新的小波系數復雜網絡鄰接矩陣A的特征值，n表示的是特征值的數目；設定聚集系數熵指標E_C：

其中，T_v表示的是一個新的小波系數復雜網絡中包含有節點v的封閉三角形的數目，k_v表示的是新的小波系數復雜網絡中節點v的度，C(v)表示的是節點v的聚集系數；

(4)分別繪制包含有流型信息的圖能量和交叉聚集系數熵與分辨率的關系圖，通過研究這兩個指標在流型演化過程中的轉變，用以辨識復雜流動結構，指示流型演化過程中的內在動力學機制。

步驟3)包括：

(1)對于步驟1)建的每個分辨率的兩個小波系數復雜網絡，分別作為小波雙層復雜網絡的一層，從而得到小波雙層復雜網絡，所述小波雙層復雜網絡的鄰接矩陣表示為其中，α表示雙層小波系數復雜網絡的層數，若節點i和j在α層有連接，則鄰接矩陣中對應的元素否則兩層網絡中的節點數目皆為S；

(2)小波雙層復雜網絡的任一層α中節點i的聚集系數

其中，α'表示小波雙層復雜網絡中不同于α層的另一層，和分別表示α層中節點i和節點j在鄰接矩陣中的元素值，α'層中節點j和m在鄰接矩陣中的元素值，α層中節點m和i在鄰接矩陣中的元素值；得到每一層中各節點的聚集系數，計算每層中節點聚集系數的均值C_α：

(3)計算小波雙層復雜網絡中的任一α層中的任意節點i的度其中，表示α層中節點i和j在鄰接矩陣中的元素值；得到每一層中每一個節點的度，計算每層中節點度的均值k_α：

(4)小波雙層復雜網絡的任一α層中節點i的特征向量中心性表示α層的鄰接矩陣A^[α]的主特征值對應的特征向量的第i個元素值；得到每一層中每一個節點的特征向量中心性值，計算每層中節點特征向量中心性的均值E_α：

(5)分別繪制包含有流型信息的每層網絡中的節點聚集系數的均值C_α、節點度的均值k_α和節點特征向量中心性的均值E_α與分辨率的關系圖；循環激勵多電極電導傳感器對局部低含油率測量靈敏高，循環激勵多電極電容傳感器對局部高含油率測量靈敏度高，電導電容多源測量信息的有效融合實現互補式兩相流空間流動信息檢測，通過研究包含有流型信息每層網絡的每層網絡中的節點聚集系數的均值C_α、節點度的均值k_α和節點特征向量中心性的均值E_α與分辨率的關系圖，研究每層的每層網絡中的節點聚集系數的均值C_α、節點度的均值k_α和節點特征向量中心性的均值E_α三個指標在流型演化過程中的轉變，實現對雙模態信息的融合，指示流型演化過程中的內在動力學機制。

一種基于小波多分辨率雙層網絡的兩相流多源信息融合法的應用，采用由循環激勵多電極電導傳感器和循環激勵多電極電容傳感器組成的循環激勵雙模態傳感器進行垂直油水兩相流實驗；固定油相和水相的配比，改變油相和水相的流量進行實驗；實驗過程包括如下步驟：

1)固定水相和油相的配比，往垂直上升管道中通入一定量的水，然后逐漸向管道中通入油相，當油水兩相充分融合并逐漸穩定后，采用循環激勵電導傳感器和循環激勵電容傳感器分別測量多通道的信號，并用高速攝像儀記錄流型；

2)一次采集結束后，改變油相和水相的流量，按步驟1)過程繼續采集，直至在固定的配比下所設計的工況都完成；

3)再改變油相和水相的配比，重復步驟1)至步驟2)的過程完成這一輪的測量，直至設計的所有工況全部測量完成；

4)基于得到的多通道測量信號，對于循環激勵多電極電導傳感器和循環激勵多電極電容傳感器分別建立不同分辨率下的小波系數復雜網絡，對于兩層網絡得到一個小波多分辨率聚合網絡；

5)計算圖能量和聚集系數熵值，分別繪制包含有流型信息的不同工況下圖能量、聚集系數熵隨著分辨率變化的關系圖，刻畫在不同流型的演化過程中的內在動力學機制；

6)對于兩層網絡構建小波雙層復雜網絡，計算每一層網絡的節點聚集系數均值、節點度均值、節點特征向量中心性均值，分別繪制包含有流型信息的節點聚集系數均值、節點度均值、節點特征向量中心性均值3個指標與分辨率變化的關系圖，用以研究在流型演化過程中，復雜流動結構的變化和內在動力學機制。

本發明的基于小波多分辨率雙層復雜網絡的多源信息融合法及應用，通過對由循環激勵多電極電導傳感器和循環激勵多電極電容傳感器組成的循環激勵雙模態傳感器得到的多通道數據采用小波變換的思想建立小波多分辨率雙層復雜網絡的方法進行多源信息融合，提取能夠指示流型生成與演化的雙層復雜網絡指標，實現對復雜流動結構的辨識，刻畫流型演化中的內在動力學機制。具有如下有益效果：

(1)提出了一種基于小波多分辨率雙層復雜網絡的油水兩相流多源信息融合方法；

(2)該方法能夠刻畫在油水兩相流流型演化過程中的內在動力學機制。

附圖說明

圖1是本發明基于小波多分辨率雙層復雜網絡的多源信息融合法的分析示意圖。

具體實施方式

下面結合實施例和附圖對本發明的基于小波多分辨率雙層復雜網絡的多源信息融合法及應用做出詳細說明。

本發明的基于小波多分辨率雙層網絡的兩相流多源信息融合法，提出一種小波多分辨率雙層復雜網絡建網方法，通過對循環激勵雙模態傳感器得到的多通道數據采用小波變換的思想建立雙層復雜網絡的方法進行多源信息融合，提取雙層復雜網絡指標刻畫在流型演化過程中，內在動力學機制。

本發明的基于小波多分辨率雙層網絡的兩相流多源信息融合法，包括如下步驟：

1)對通過由循環激勵多電極電導傳感器和循環激勵多電極電容傳感器組成的循環激勵雙模態傳感器得到的多通道時間序列分別構建小波系數復雜網絡；包括：

(1)獲取通過循環激勵雙模態傳感器得到的包含有兩相流流體局部流動信息的S組長度均為L的多通道時間序列

(2)對于每一通道的時間序列，進行6個分辨率的小波變換，采用Daubechies2階小波(db2)對其進行分解，分解層數為6層，即6個分辨率。每一個分辨率得到1個低頻系數子帶即近似系數和1個高頻系數子帶即細節系數，該時間序列分解后共得到6個低頻系數子帶和6個高頻系數子帶，求每一個低頻帶和每一個高頻帶的最大值x₁、最小值x₂、平均值x₃、標準偏差x₄、陡度函數x₅和峭度函數x₆；這樣對于每一個分辨率來說，低頻帶和高頻帶的12個特征值組成一個特征向量

(3)對于多通道時間序列在每一個分辨率上，計算每兩通道時間序列的特征向量的歐氏距離d＝||X(m)-X(n)||m＝1,2,...,S n＝1,2,...,S,其中，|| ||表示計算歐式距離，X(m)表示通道m的特征向量，X(n)通道n的特征向量；將每一通道的信號作為復雜網絡的節點，以兩通道間的歐氏距離決定復雜網絡中兩節點的連邊；計算所有歐式距離的均值M_n和標準偏差σ，令系數q＝0.15，則可得到一個閾值R＝M_n+qσ，其中q＝0.15；如果兩通道的歐氏距離大于該閾值，則兩節點之間沒有連邊，反之，則兩節點之間有連邊；由此，在不同分辨率下分別構建小波系數復雜網絡；這樣，對于一個多通道時間序列，共可得到6個小波系數復雜網絡。

2)構建小波多分辨率aggregation network即小波多分辨率聚合網絡，并分別繪制包含有流型信息的圖能量和交叉聚集系數熵與分辨率的關系圖；包括：

(1)通過循環激勵多電極電導傳感器和循環激勵多電極電容傳感器分別得到一個多通道時間序列，對于每一個多通道時間序列分別在每一分辨率得到一個小波系數復雜網絡；

(2)考慮循環激勵多電極電導傳感器和循環激勵多電極電容傳感器在每個分辨率下分別構建一個小波系數復雜網絡，所以每個分辨率下得到的兩個小波系數復雜網絡，將這兩個小波系數復雜網絡共有的連邊保留，節點數目不變，從而在每個分辨率下構成一個小波多分辨率聚合網絡和它對應的鄰接矩陣A；

(3)對所述的小波多分辨率聚合網絡，設定圖能量指標E(A)：其中，λ_i表示每一個分辨率下新的小波系數復雜網絡鄰接矩陣A的特征值，n表示的是特征值的數目；設定聚集系數熵指標E_C：

其中，T_v表示的是一個新的小波系數復雜網絡中包含有節點v的封閉三角形的數目，k_v表示的是新的小波系數復雜網絡中節點v的度，C(v)表示的是節點v的聚集系數；

(4)分別繪制包含有流型信息的圖能量和交叉聚集系數熵與分辨率的關系圖，通過研究這兩個指標在流型演化過程中的轉變，用以辨識復雜流動結構，指示流型演化過程中的內在動力學機制。

3)構建小波雙層復雜網絡，并分別繪制包含有流型信息的每層網絡中的節點聚集系數的均值、節點度的均值和節點特征向量中心性的均值與分辨率的關系圖，包括：

(1)對于步驟1)建的每個分辨率的兩個小波系數復雜網絡分別作為小波雙層復雜網絡的一層，從而得到小波雙層復雜網絡，所述小波雙層復雜網絡的鄰接矩陣表示為其中，α表示小波雙層復雜網絡的層數，若節點i和j在α層有連接，則鄰接矩陣中對應的元素否則兩層網絡中的節點數目皆為S；

(2)小波雙層復雜網絡的任一層α中節點i的聚集系數

其中，α'表示小波雙層復雜網絡中不同于α層的另一層，和分別表示α層中節點i和節點j在鄰接矩陣中的元素值，α'層中節點j和m在鄰接矩陣中的元素值，α層中節點m和i在鄰接矩陣中的元素值；得到每一層中各節點的聚集系數，計算每層中節點聚集系數的均值C_α：

(3)計算小波雙層復雜網絡中的任一α層中的任意節點i的度其中，表示α層中節點i和j在鄰接矩陣中的元素值；得到每一層中每一個節點的度，計算每層中節點度的均值k_α：

(4)小波雙層復雜網絡的任一α層中節點i的特征向量中心性表示α層的鄰接矩陣A^[α]的主特征值對應的特征向量的第i個元素值；得到每一層中每一個節點的特征向量中心性值，計算每層中節點特征向量中心性的均值E_α：

(5)分別繪制包含有流型信息的每層網絡中的節點聚集系數的均值C_α、節點度的均值k_α和節點特征向量中心性的均值E_α與分辨率的關系圖；循環激勵多電極電導傳感器對局部低含油率測量靈敏高，循環激勵多電極電容傳感器對局部高含油率測量靈敏度高，電導電容多源測量信息的有效融合實現互補式兩相流空間流動信息檢測，通過研究包含有流型信息每層網絡的每層網絡中的節點聚集系數的均值C_α、節點度的均值k_α和節點特征向量中心性的均值E_α與分辨率的關系圖，研究每層的每層網絡中的節點聚集系數的均值C_α、節點度的均值k_α和節點特征向量中心性的均值E_α三個指標在流型演化過程中的轉變，實現對雙模態信息的融合，指示流型演化過程中的內在動力學機制。

本發明的基于小波多分辨率雙層網絡的兩相流多源信息融合法的應用，采用由循環激勵多電極電導傳感器和循環激勵多電極電容傳感器組成的循環激勵雙模態傳感器進行垂直油水兩相流實驗；固定油相和水相的配比，改變油相和水相的流量進行實驗；每個傳感器都由16個電極組成，每次測量中，其中一個電極作為激勵端，一個電極接地，其余14個電極接收，一次循環可測量得到16×14＝224通道的信號。由于電極循環激勵速度相對于流體流動的速度來說非常快，所以可以等效為這224通道的信號是同時測量的，由此可有效捕捉豐富的局部流動信息。實驗過程包括如下步驟：

1)固定水相和油相的配比，往垂直上升管道中通入一定量的水，然后逐漸向管道中通入油相，當油水兩相充分融合并逐漸穩定后，采用循環激勵電導傳感器和循環激勵電容傳感器分別測量多通道的信號，并用高速攝像儀記錄流型；

2)一次采集結束后，改變油相和水相的流量，按步驟1)過程繼續采集，直至在固定的配比下所設計的工況都完成；

3)再改變油相和水相的配比，重復步驟1)至步驟2)的過程完成這一輪的測量，直至設計的所有工況全部測量完成；

4)基于得到的多通道測量信號，對于循環激勵多電極電導傳感器和循環激勵多電極電容傳感器分別建立不同分辨率下的小波系數復雜網絡，對于兩層網絡得到一個小波多分辨率聚合網絡；

5)計算圖能量和聚集系數熵值，分別繪制包含有流型信息的不同工況下圖能量、聚集系數熵隨著分辨率變化的關系圖，刻畫在不同流型的演化過程中的內在動力學機制；

6)對于兩層網絡構建小波雙層復雜網絡，計算每一層網絡的節點聚集系數均值、節點度均值、節點特征向量中心性均值，分別繪制包含有流型信息的節點聚集系數均值、節點度均值、節點特征向量中心性均值3個指標與分辨率變化的關系圖，用以研究在流型演化過程中，復雜流動結構的變化和內在動力學機制。

本發明通過對循環激勵雙模態傳感器得到的多通道數據采用小波變換的方法分別構建不同分辨率下的小波多分辨率聚合網絡和小波雙層復雜網絡，分別在不同分辨率下計算復雜網絡各項指標，繪制包含有流型信息的不同的復雜網絡指標隨著分辨率變化的關系圖，用以研究在流型演化過程中的內在動力學機制。

以上對本發明和實施例的描述，并不局限于此，實施例中的描述僅是本發明的實施方式之一，在不脫離本發明創造宗旨的情況下，任何不經創造性的設計出與該技術方案類似的結構或實施例，均屬本發明的保護范圍。