[发明专利]一种套管含水量测试方法

权利要求书

1.一种套管含水量测试方法，其特征在于，包括如下步骤：

步骤1，基于FDS法在1000Hz-0.01Hz频率范围内对不同含水量的套管进行介质谱响应测试，获得不同含水量下套管的介质谱曲线；

步骤2，对基于FDS法在1000Hz-0.01Hz频率范围内的各介质谱响应曲线进行特征参数的提取：包括：，将1000Hz-0.01Hz分为5个频段，分别为频段①1000Hz～100Hz、频段②100Hz～10Hz、频段③10Hz～1Hz、频段④1Hz～0.1mHz、⑤0.1Hz～0.01Hz，所述特征参数分别取5个频段内的电导幅值A_n、电导斜率a_n、极化幅值X_n、极化时间常数τ_n,n＝1～5，即频段①1000Hz～100Hz内分别记为：电导幅值A₁、电导斜率a₁、极化幅值X₁、极化时间常数τ₁，同理，对其余②、③、④、⑤4个频段各特征参数依次类推；

步骤3，将基于FDS法各介质谱曲线所提取特征参数为输入层，各介质谱曲线所对应含水量为输出层，以BP神经网络模型训练目标模型函数

步骤4，对于不同含水量下目标模型各频率段分别设置权重因子Q_n，分别为频段①1000Hz～100Hz对应Q₁、频段②100Hz～10Hz对于Q₂、频段③10Hz～1Hz对应Q₃、频段④1Hz～0.1mHz对应Q₄、⑤0.1Hz～0.01Hz对应Q₅，增加权重因子后为利用粒子群算法对权重因子Q_n进行寻优，得到最为精确的目标模型；

步骤5，基于寻优后的目标模型获得基于FDS的套管含水量精确测试模型基于该模型所得到含水量则为被测套管具体含水量。

2.根据权利要求1所述的套管含水量测试方法，其特征在于，步骤3中所述BP神经网络模型由一个信息的正向传播网络和一个误差的反向传播网络两个模块构成；来自外部的各种信息通过BP神经网络的输入层传输进入到其隐含层进行网络运算处理，并通过输出层输出得到最终的处理结果；当BP神经网络的输出层输出结果和其预先设置的输入值的误差较大的时候，则进入BP神经网络的反向传播阶段，并进行网络权值的更新，直到输出结果和期望结果误差满足设定条件为止；

其中，信号的前向传播过程如下：

1)神经网络隐含层的第i个节点的输入变量net_i：

2)神经网络隐含层的第i个节点的输出变量y_i：

3)神经网络输出层的第k个节点的输入变量net_k：

4)神经网络输出层第k个节点的输出变量O_k:

其中，变量x_j表示BP神经网络的输入层的第j个节点的输入参数，x_j分别为电导幅值A_n、电导斜率a_n、极化幅值X_n、极化时间常数τ_n，n＝1～5；w_ij变量表示BP神经网络的隐含层的第i个节点到输入层的第j个节点之间的神经网络权值参数；变量θ_i表示BP神经网络中隐含层第i个节点的阈值参数；变量表示BP神经网络的隐含层的激励函数；变量w_ki表示BP神经网络的输出层的第k个节点到隐含层的第i个节点之间的权值参数，i＝1～q；变量ɑ_k表示BP神经网络的输出层第k节点的阈值参数，k＝1～L；变量Ψ(x)表示BP神经网络的输出层的激励函数；变量o_k表示BP神经网络输出层的第k个节点的输出，输出变量o_k即为含水量。