张露
长庆油田分公司第二输油处悦乐输油站 甘肃省 庆阳市 745000
摘要：利用神经网络对油田地面集输管道结垢预测，能够有效避免各种因素对结垢预测的影响，可以将集输管道中的结垢情况准确地预测出来，再利用神经网络分析油田集输管道结垢预测中，不需要建立任何数据模型，通过神经元之间的连接就能够充分反映出地面集输管道中的结垢情况，并且预测数据非常准确，减少相应的工作量。
关键词：神经网络；集输管道；结垢
油田在开发过程中，在长期注水的影响下，油井中的含水率会不断上升，特别是进入高含水期以后，采油过程中的压力和温度出现非常大的变化，导致地面集输管道中的结垢问题变得非常严重，通常情况下会引起管道堵塞，对油田的安全生产以及经济效益造成严重的影响。因此对地面级数管道的结垢预测就会非常重要，通过相应的预测，可以了解在整个地面技术管道系统中的结垢现象，并且能够找出结垢原因以及结垢程度，从而提出相应的解决措施。神经网络进行结垢预测，能够有效避免各种因素对结垢预测的影响，能够准确的预测出地面金属管道的结垢情况。
1结垢分类
油田在经过注水开发以后，根据物理以及化学的变化过程，结垢可以分为：结晶垢、颗粒垢、生物垢以及腐蚀垢4大种类。
结晶垢主要来源于注水中的不溶解的无机盐，结晶垢的出现通常情况下与温度有关，大多数盐具有溶解度，溶解度会随着温度的上升而出现变化，然而一些盐则恰恰相反，当温度上升以后，溶解度会受到限制，导致结晶现象的发生。
颗粒垢的产生主要是由于流体中悬浮颗粒的累积，这些颗粒受到重力的作用而产生的不同程度的沉淀，导致在管道中发生结垢。
生物垢主要是由于微生物所造成的污垢，由于在回注水中含有大量的微生物，流体中微生物的堆积会形成生物垢，这种污垢在形成以后会产生粘泥，当粘泥发生以后会吸附在管道内壁上，而微生物会在粘泥中大量繁殖，从而增加了管道的结垢程度。
流体在经过管道后会产生不同的腐蚀情况，温度、pH值、流体成分都会对辅食产生一定的影响，腐蚀产物会在管道内壁上形成腐蚀垢。
2神经网络方法
2.1神经网络处理方法的原理
神经网络处理单元和大脑中枢神经细胞结垢有着类似的节点，这些节点会通过不同的强度进行互相连接，每当神经网络处理单元进行操作时，都会对这些信号乘以一个权值。用神经网络岩性识别模型的方法主要是利用岩性资料和测井相应值进行网络设计、网络学习等环节所得出的模型，在利用神经网络模型进行岩性识别。
2.2神经网络结构设计
针对现有的神经网络算法进行分析，使用最为广泛的算法就是误差反向传播。反向传播主要由两个方面为信息前馈和误差反向传播，其主要的原理就是调节各层的权值进行网络学习，并把所得到的学习样本集进行组合。
对于输入向量可以采用测井曲线形态特征，用已知相对应的岩性来作为输出向量。通过多个对比样本进行分析，建立起与地质状况相对应的测井特征，通过这样的方法可以得知神经网络是一个非线性系统，可以把具有多个分量的测井曲线转换成一个输出矢量。将神经网络调整好后，就可以依靠其它地层信息曲线确定集输管道结垢。
3结垢预测和评判
地面集输管道结垢预测的目的就是利用使用已经使用多年的系统进行结垢因素以及结垢情况进行合理的预测和判定，将所得到的预测结果整理成已知样本集，在利用神经网络系统进行合理有效预测，就可以知道油田在不同含水期地面集输管道的结垢情况。
3.1评估指标的确定
造成地面集输管道出现结垢现象的因素有很多，再进行结垢预测过程中，需要对影响结垢的因素进行分析，然后将影响因素来作为主要的评价指标，其中影响地面集输管道结垢的因素主要包括：含水率、压力、温度、导电率、 pH值、各种金属离子、矿化度以及结垢厚度。
3.2构造训练集
人工神经网络的样本学习能力非常强，具有很强的自组织、自适应、容错率低等特点，克服了传统方法的缺陷，对结垢识别结果的准确率比较高。结垢测量数据种类比较多样化，并且地面集输管道结垢变化情况也比较复杂，通过人工神经网络的建立，可以帮助预测结果和观测值之间建立一定的关联性，对结垢行快速划分，从而提高了结垢预测的准确率和高效性。
BP神经网络是一种常用的人工神经网络方式，BP神经网络可以在已知学习样本数据的基础上，根据反方向传播原理可以构建成网络训练模式，这种训练模式的过程可以分为两种情况，一种为正向训练，另外一种则为反向训练。在正向训练的过程中，信号从输入层进入，然后会从输出层输出，如果在输出层得不到所要求的数值，就会进行反向训练。在反向训练的过程中，误差信号会根据输入途径进行原路返回，然后通过自身的模型数值对各层神经元的权值进行修改，在最大程度上降低误差信号。
3.3网络学习
利用神经网络进行网络学习，可以采用二层网格和三层网格，结合计算机程序，设定好相应的学习力，惯性量以及最小误差值。 BT神经网络在经过多次迭代收敛后，训练学习阶段结束，当BP神经网络训练结束以后，能够预测地面极速管道的结垢。通过BP神经网络对地面集输管道结构的实测数据进行分析，可以看出其预测的结果与实测结果基本相同，由此可以说明人工神经网络在预测地面集输管道结垢方面是非常成功的。
4结束语
人工神经网络模型是一种非线性的处理系统，并且神经网络的学习能力非常强，可以将变量关系利用权职的形式分布在每个神经网络节点上，利用误差反转的现象得到预测结果，利用神经网络模型不需要建立数学模型，而是根据变量之间的稳定表达式，将预测结果与实际的观测值进行相关性处理，油田地面集输系统结垢是多因素相关的复杂问题，利用神经网络建立预测模型实际运行效果非常好，该方法已经在各个油田集输管道结垢预测中得到了广泛应用。
参考文献
[1]袁兆祺,李长俊,杜强,贾文龙.基于BP神经网络的天然气集输管道结垢预测[J].西安石油大学学报：自然科学版,2017:82.
[2]袁杰,孙立梅,田径,董泽华.油田集输管网结垢监测与预测技术进展[J].腐蚀科学与防护技术,2018:80-88.
[3]王柏仲,杨思远.关于油田地面集输管网优化技术分析[J].化工管理,2017