基于Freeman链码的智能井压力数据处理方法

薛鸿禧，王晋晖，王金龙，吉鲁滨，杨晓鹏

（西安石油大学，陕西西安710065）

基于Freeman链码的智能井压力数据处理方法

薛鸿禧，王晋晖，王金龙，吉鲁滨，杨晓鹏

（西安石油大学，陕西西安710065）

智能井通过永久性井下传感器可以获得大量的压力、温度、流量、物性等参数，采集的数据量非常庞大并且非常复杂。有效的数据处理可以提高数据分辨率，增大传感器系统适用性，可以对原始数据进行纠偏和校正，因此数据处理在测量系统中的作用越来越重要。笔者在前人研究的基础之上提出一种基于Freeman方向链码的曲线平滑自适应方法，分别介绍了这种方法的基本思想、算法原理和具体的实现过程，并以模拟实时压力数据进行实验验证。结果证明，该方法是一种简单、快速、有效的数据处理算法，而且相对于同类算法还具有其独特的优势。

智能井；压力；噪声程度；平滑

智能井技术就是对油井产量、储层参数、完井数据进行采集、传输和分析，从而对储层特性和油井动态进行远程控制的集成技术。通过安装在油气生产井或注入井中的各种传感器（如压力、温度、流量等）实时采集井下生产的各种参数，由地面中央控制系统对采集到的数据进行筛选、分析和归纳，判断井下生产的各种情况，从而实现对井下生产或注入进行动态实时管理的目的［1］。其工作原理（见图1）。

图1　智能井系统原理Figure1.Diagram of intelligent well system

井下数据（如压力、温度、流量等）是每隔1 s、10 s或1 min采集一次，并且采集时间可能会持续多年，一年的数据量就可达到几百万个。此外，数据中可能包含大量的噪声和异常点，采集的信息也可能不完整（如缺少完整的流量史），出现异常的数据特征，缺乏动态分析方法等。为了通过这些实时采集的数据来制定最优的生产决策，需要有相关的数据过滤、数据挖掘以及模拟预测等数据处理技术与相关的软件［2］。

在油井生产过程中，压力趋势线应当是一条比较光滑的曲线，即使会出现波动，其频率也是非常低的，而且不应该有奇异点产生。但是，安装在井下的永久性压力传感器所监测到的却是特定层位上一些离散的压力值（每隔1 s，10 s或1 min采集一次），并且还伴有大量的噪声和异常点。针对上述问题，国内外相关研究人员主要运用回归分析、模式识别、小波方法、数据挖掘技术等进行数据分析［3-5］，已经建立起比较完整的理论体系。本文采用一种基于Freeman方向链码的曲线平滑自适应方法进行实时压力数据分析。

1　曲线平滑自适应方法

在信号的平滑滤波处理中，处理窗口大小的选择是非常重要的，一般都选用固定大小的窗口，这对于噪声水平比较均匀的信号是比较有效的。但是，实际生产中得到的压力曲线，并不是每一部分都含有相同程度的噪声，平滑窗口的大小一旦被设定好，将会直接影响到最后的平滑效果：对噪声水平小的部分，如果窗口太大，则平滑后的压力曲线将向曲线中心收缩，而对噪声水平高的部分，如果窗口太小，则最后的结果是噪声没能被有效地消除。

对此，有效的解决办法是采用大小可变的平滑窗口，窗口的宽度会随着噪声程度的变化而动态地改变。当某段曲线极不光滑时，采用尺度较大的窗口，而当某曲线段比较平滑的时候，采用尺度较小的窗口，这样就能够保证，经平滑处理后得到的曲线不会变形［6］。

自适应方法利用方向链码来快速地计算原始曲线的噪声水平，并以此作为平滑窗口大小（尺寸）选择的依据，从而有效地解决了针对离散曲线所提出的各种曲线平滑问题。首先对原始曲线进行Freeman方向编码，然后用所得的链码值来计算整个曲线上每个区间段的各阶变化频度，再根据变化频度的不同来设置所需平滑窗口大小；然后在各窗口中进行平滑处理，得到一条噪声较少的光滑曲线；最后在得到的曲线上进行合并操作以及插值操作，这样就可以得到理想的曲线［7］。

1.1Freeman方向链码

一条数字化二维曲线可以用八方向链码（Freeman链码）表示（见图2（a））。Freeman链码是相邻两像素连线的八种可能的方向值。一条曲线被网格离散化后形成n条链（n个像素），最终此曲线链码可以表示为｛ci｝n，每条链指向八个方向中的一个方向，ci∈｛0，1，…，7｝，i为像素的索引值，ci表示由像素i指向像素i+1的方向链码。例如，如果当前的像素是pi，b7是曲线上的下一个像素（见图2（b）），则pi值为7，与此同时，还应该记录下每个像素的坐标xi和yi（xi和yi是每个像素点的x轴和y轴坐标）。本文提出的压力曲线平滑方法正是基于这样的编码方式［8，9］。

图2　Freeman链码方向值和链码指向Figure2.Values and direction of Freeman chain code

1.2曲线噪声程度计算及平滑窗口的确定

考虑到二维曲线的Freeman链码很容易获取，而且压力曲线中的噪声多则表现为局部领域内链码的快速变化，噪声少则表现为局部领域内链码的缓慢变化，因此能够利用统计Freeman链码的变化来反映曲线的局部领域内噪声程度。该算法计算起来简单快速，还可以节约大量的时间。

假定c1，c2，…，cn-1是压力曲线中的某一段Freeman方向链码，ci=0，1，…，7，其中i=1，…，n-1，而0到7分别表示每个网格的8个方向。

定义k距离方向变化数：

由于是在方向7的后面又回到了方向0，故为了计算结果一致，统一进行模8的一个运算。除以k的目的是将1/k作为权值来表示离窗口的中心点远的邻点对窗口的中心点的影响就越小。

用弧长为n的任意一段曲线的所有从0距离方向变化数到n-1距离方向变化数的和来定量表示该段曲线含有噪声的程度［6］：

因此，可以用Dn来反映出曲线段c1，c2，…，cn-1的变化快慢，Dn越大，则表示曲线变化得就越快，于是，就找到了一种用Freeman方向链码值来简单快速地度量曲线的变化速度的方法。

平滑窗口的大小由Dn的大小来设定，Dn越大，则窗口尺寸越大；反之，Dn越小，则窗口也应该越小，本算法中，窗口的宽度以下式来计算：

1.3曲线平滑

1.3.1平滑在设定好平滑窗口的宽度以后，平滑过程可以运用在信号处理领域中常用到的一些平滑算法了，这里用到的是均值滤波：

其中，i=1，2，…，W，W表示窗口宽度。

1.3.2合并与插值在对整个曲线上所有的点进行了平滑处理之后，结果可能会出现，有些相邻点之间的距离小于一个单位，或者有些相邻点之间的距离大于一个单位，因此对前一种情况应当进行合并操作，而对后一种情况应当进行插值操作。经过合并与插值之后得到的结果就是想要的平滑曲线。

2　实验与讨论

假设每隔1 min测得一个压力值，单位为MPa。此处模拟一组压力数据，绘成一条折线，选取适当的坐标系，使该折线分布在一正方形网格平面中，对其进行数字化（见图3）。显然，受到外界噪声干扰曲线波动比较平凡，相应的压力数据变化频率也非常高。这样，一方面对数据解释方法和相关软件的要求极高，无形中增加了智能井系统的成本；另一方面会严重影响到解释结果，使得智能井系统的效用大大降低。

图3　压力数据折线图Figure3.Broken line of pressure data

图4　数字化的压力曲线Figure4.Digitaled pressure curve

按照1.1所述，如果将图3折线上落入网格内的每一段看作一个点（像素），并赋予其相应网格中点的坐标，便可得到一条数字化的压力曲线（见图4）。在图4上任选一点P作为参考点，与其相邻的点分别在8个不同的位置上，给它们赋予方向值0～7，称为0～7位链码方向值。图3折线的Freeman链码表示为：7170160611701701701676202106062020606170202606016766212170171716761202。

在前文已经详细地介绍了基于Freeman方向链码的曲线平滑自适应方法的基本思想和基本原理，为了验证该方法的降噪效果，专门设计一套算法并编写程序，对模拟压力数据进行噪声程度计算和平滑处理。用式（2）计算曲线噪声水平，以式（3）确定平滑窗口的大小，最后通过式（4）进行平均值滤波，结果（见图5）。

图5　实验前后曲线对比Figure5.Comparison of curves before and after experiment

对比图5中两条曲线可以看出，在噪声大的部分平滑效果很好，在噪声较小的部分既没有折线效果，也没有产生收缩和变形。可见，自适应平滑方法可以有效地去除噪声，使原始压力信号由于噪声引起的波动现象被很好地消除，而且处理后的信号与真实信号非常接近，信号的质量得到很大提高，能够更好地反映井下压力的动态特征。

3　结论

实验证明该方法是一种简单、快速、有效的曲线平滑算法。针对智能井永久性压力传感器监测到的实时压力数据，可以有效地滤去噪声，消除异常点，同时尽可能多地保留有用信息。除此之外，在缺乏历史数据或者还没有建立起油藏模型的工程条件下，能够很好地提取出井下特定层位压力的动态特征，挖掘出潜在的油藏物理模型。

另外，从前文的论述过程不难发现，该方法既可用于等间隔数据序列，也可用于非等间隔数据序列，与小波分析相比较具有其独特的优势，能够很好地满足工程需要。小波分析由于其多分辨率特性及突出的降噪能力，已经在各个领域得到广泛的应用，但美中不足的是小波分析针对的是等间隔数据序列，对于非等间隔数据不能直接运用。

［1］刘文莉，云海涛，姜玉.智能完井技术及应用前景分析［J］.内蒙古石油化工，2011，（16）：122－123.

［2］姚军，刘均荣，张凯.国外智能井技术［M］.北京：石油工业出版社，2011：18.

［3］Assumtpa Thomas.The Data as The Model：Interpreting Permanent Downhole Gauge Data Without Knowing The Reservoir Model［D］.America：Stanford University，2002.

［4］Himansu Rai.Analyzing Rate Data From Permanent Downhole Gauges［D］.America：Stanford University，2005.

［5］Yang Liu.The Cointerpretation of Flow Rate and Pressure Data from Permanent Downhole Gauges Using Wavelet and Data Mining Approaches［D］.America：Stanford University，2009.

［6］周焰，王祖喜，陈振羽.一种曲线平滑的自适应方法［J］.计算机工程，2004，26（4）：14.

［7］郭娟娟.基于移动区域的快速车型识别［D］.青岛：中国海洋大学，2008.

［8］张小莉，王敏，黄心汉.一种有效的基于Freeman链码的拐角检测法［J］.计算机工程与应用，1999，13（2）：15.

［9］余博，郭雷，赵天云，钱晓亮.Freeman链码描述的曲线匹配方法［J］.计算机工程与应用，2012，48（4）：5－8.

Intelligent well pressure data analysis approach based on Freeman chain code

XUE Hongxi，WANG Jinhui，WANG Jinlong，JI Lubin，YANG Xiaopeng（Xi＇an Shiyou University，Xi'an Shanxi 710065，China）

Intelligent well can get a lot of pressure，temperature，flow，and other parameters through the permanent downhole sensors，and the data collection is very large and very complex.Efficient data processing can improve the data resolution，increasing the applicability of the sensor system，and correcting the raw data and calibration，thus data processing play increasingly important role in the measurement system.The author on the basis of previous studies on the proposed adaptive method based on curve smoothing direction Freeman chain code，introduced the basic ideas，principles and specific algorithm implementation process of this approach，and simulated real-time pressure data experiments.The results show that this method is a simple，fast and efficient data processing algorithms，but also with respect to the same algorithm also has its unique advantages.

intelligent well；pressure；degree of noise；smooth

10.3969/j.issn.1673-5285.2015.03.007

TE331.2

A

1673-5285（2015）03-0028-04

2015－01-14

国家自然科学基金项目，项目编号：51274165；国家自然科学基金项目，项目编号：U1262105。

薛鸿禧，男（1990-），甘肃礼县人，在读硕士研究生，主要从事智能井技术研究工作。