基于自适应支持向量回归机的集输系统压力监测异常值识别.pdf

行业论坛 陈敬龙等：基于自适应支持向量回归机的集输系统压力监测异常值识别 基于 自适应支持向量回归机的集输系统压力监测异常值识别 陈敬龙 赵江平 席晨睿 摘要：为保障气田安全开发 ，针对气田集输 系统压力监测数据异常值识别 问题 ，提 出了一种基 于 自适应支持向量 回归机 (ASVR，AdaptiveSupportVectorRegression)的方法。该方法将集输 系统各关键节点压力值从上游到下游组成序列，取一组正常实测信号作为训练样本 ，以预测值 和 实测值 间的均方差最小化为 目标函数 ，通过遗传算法获取最佳惩罚因子 、不敏感损 失函数参 数和核 函数参数 ；利用序列最小优化算法(SM0，SequentialMinimalOptimization)对各工况实测 信号进行 回归拟合 ，通过非边界支持 向量拟合误差判别监测数据是否为异常值 ，并用回归值对 异常值进行修正。对现场信 号处理表 明，该方法可准确地模拟集输 系统各关键节点压力间的函 数关系，并能准确识别压力监测数据 中的异常值 ，为安全控制系统提供正确的信号 ，对气田安 全、高效开发具有 实用价值。 关键词：气田；集输系统；压力值 ；异常检测 ；自适应支持 向量 回归机；遗传算法 Doi：t03969／jissmiO06~6896：2017 Anomaly Detection in Pressure M onitoring Data of NaturalGas Gathering System Basedon AdaptiveSupportVectorRegression Chenjinglong，Zhaojiangping，XiChenrui Abstract： Aimingatanomalydetection inpressuremonitoringdataofnatura[gasgatheringsystem ． a novelmethodbasedonASVR (AdaptiveSupportVectorRegression) WaSproposed． Normalpres-- SUresofkeypointsin thenaturalgasgathering system wereusedastraining sampleforSVR ． and the penalty factor． insensitivelosstunction factorand kernelfunction factorwerefoundby geneticalga— rithm (GA)，whichusedtheminimizationofmeansquareerrorbetweenpredictionandmeasurement valuesastheobjectivefunction．Thenregressionpressurevaluesundereachworkingconditionwere CaZCUlatedbySM0 (SequentialMinima10primization)algorithm ，andthenanomalydatawasdetected andamended by thefitting errorofnon—bound SUpportvectors． Engineering dataprocessing con一 rmedtheexcellentperform anceoftheproposedmethod． and theanomalydatain pressuremonitoring COUIdbedetectedcorrectly．whichisamatterofpractica[significancefortheSOfeand effectivedevelop— m entofgasfield． Key WOrds：gasfield； gatheringand transmission system ； pressurevalue； anomalydetection；Adap— tiveSupportVectorRegression：geneticalgorithm 为保障气田安全开发 ，需对集输系统关键节点 (SVR，SupportVectorRe