組合賦權(quán)法確定多元熱流體腐蝕評(píng)價(jià)指標(biāo)權(quán)重

,,,,

(中海油田服務(wù)股份有限公司，塘沽 300450)

多元熱流體是一種由液態(tài)水、水蒸汽、CO2及N2等組成的高溫高壓混合流體，并含有極少量未參與燃燒的O2組分[1]。對(duì)于稠油油藏來(lái)說(shuō)，將多元熱流體注入油層可以達(dá)到提高原油采收率的目的[2]。然而，多元熱流體的組成及性能參數(shù)也會(huì)對(duì)注熱管柱產(chǎn)生不同程度的腐蝕，影響注熱管柱的使用壽命及作業(yè)安全。因此，確定多元熱流體腐蝕評(píng)價(jià)指標(biāo)及指標(biāo)權(quán)重至關(guān)重要，可為多元熱流體腐蝕快速預(yù)測(cè)模型建立提供重要參考。

目前確定權(quán)重的方法很多，主要分為三類：主觀賦權(quán)法、客觀賦權(quán)法和組合賦權(quán)法[3-5]。主觀賦權(quán)法是根據(jù)決策者的知識(shí)經(jīng)驗(yàn)水平確定各指標(biāo)的相對(duì)重要程度，該方法能保證賦權(quán)結(jié)果與指標(biāo)實(shí)際重要程度相符合，但主觀隨意性較大，常用的有層次分析法、專家調(diào)查法、模糊分析法等?？陀^賦權(quán)法是根據(jù)原始數(shù)據(jù)研究指標(biāo)之間的關(guān)系進(jìn)而確定權(quán)重，得出的權(quán)重客觀性強(qiáng)，但有時(shí)賦權(quán)結(jié)果與指標(biāo)的實(shí)際重要程度不符且難以給出明確解釋，如熵值法、主成分分析法、均方差法等。為確保賦權(quán)結(jié)果的準(zhǔn)確性和可靠性，本工作提出基于“層次分析法-BP神經(jīng)網(wǎng)絡(luò)法”組合賦權(quán)的多元熱流體腐蝕評(píng)價(jià)指標(biāo)權(quán)重模型，綜合利用專家自身知識(shí)經(jīng)驗(yàn)和客觀試驗(yàn)數(shù)據(jù)，避免單一方法在賦權(quán)中存在的局限性，為多元熱流體腐蝕評(píng)價(jià)指標(biāo)權(quán)重確定提供一種新的思路。

1　組合賦權(quán)法計(jì)算模型

1.1　層次分析法確定主觀權(quán)重

層次分析法是將與決策有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析的決策方法[6-7]。其基本思想是將組成復(fù)雜問(wèn)題的多個(gè)指標(biāo)進(jìn)行“兩兩比較”，然后進(jìn)行綜合評(píng)價(jià)，最后確立各指標(biāo)的權(quán)重。這種方法是利用專家經(jīng)驗(yàn)、知識(shí)等構(gòu)造判斷矩陣，思路清晰，可以將決策者的主觀判斷及客觀推理緊密地聯(lián)系起來(lái)。

1.1.1 構(gòu)造判斷矩陣

對(duì)各評(píng)價(jià)指標(biāo)按照判斷矩陣標(biāo)度(見(jiàn)表l)進(jìn)行兩兩相對(duì)重要程度比較，通過(guò)引入九級(jí)比例標(biāo)度將專家主觀判斷定量化，從而構(gòu)造判斷矩陣A=(aij)n×n。

表1　判斷矩陣標(biāo)度及含義Tab. 1　Judgment matrix scale and its implication

1.1.2 計(jì)算最大特征值和特征向量

計(jì)算特征向量W1=(w11,w12,……,w1n)T：

(1)

計(jì)算評(píng)價(jià)矩陣的最大特征值λmax：

(2)

1.1.3 一致性檢驗(yàn)

對(duì)特征值和特征向量進(jìn)行一致性檢驗(yàn)，以確定權(quán)值分配是否合理。一致性檢驗(yàn)公式如下：

(3)

表2　平均隨機(jī)一致性指標(biāo)RITab. 2　Average random consistency index RI

通常當(dāng)CR<0.1時(shí)，認(rèn)為判斷矩陣符合一致性要求，此時(shí)可用特征向量W1作為權(quán)向量；否則，則需對(duì)判斷矩陣進(jìn)行適當(dāng)修正，直至獲取滿意的隨機(jī)一致性。

1.2　BP神經(jīng)網(wǎng)絡(luò)法確定客觀權(quán)重

BP神經(jīng)網(wǎng)絡(luò)是一種基于誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成[8]。該網(wǎng)絡(luò)可以實(shí)現(xiàn)輸入數(shù)據(jù)和輸出數(shù)據(jù)之間復(fù)雜的非線性映射關(guān)系，并且可以根據(jù)客觀數(shù)據(jù)進(jìn)行自適應(yīng)學(xué)習(xí)。

以室內(nèi)試驗(yàn)數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本，原始數(shù)據(jù)矩陣為X=(Xij)m×n，期望輸出為T(mén)=(t1,t2,…,tm)T，Xij第i組試驗(yàn)數(shù)據(jù)中第j個(gè)評(píng)價(jià)指標(biāo)對(duì)應(yīng)的原始值，i=1，2，…，m，j=1，2，…，n。設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)的輸入層包含n個(gè)節(jié)點(diǎn)，輸入向量表示為X=(x1,x2,…,xn)T；隱含層包含k各節(jié)點(diǎn)，輸出向量表示為Z=(z1,z2,…,zk)T；輸出層包含一個(gè)節(jié)點(diǎn)，Y=(y1,y2,…,ym)T。輸入層到隱含層之間的連接權(quán)表示為V=(vij)n×k，隱含層到輸出層之間的連接權(quán)表示為U=(u1,u2,…,uk)T。

1.2.1 計(jì)算隱含層、輸出層輸出

隱含層第i個(gè)節(jié)點(diǎn)的輸出為：

(4)

對(duì)于輸出層，有

(5)

初始參數(shù)vij、w2i均隨機(jī)選取最小值。

1.2.2 調(diào)整連接權(quán)值

uj(t)=uj(t-1)+ηδyyj

(6)

(7)

1.2.3 計(jì)算網(wǎng)絡(luò)誤差

所有訓(xùn)練樣本的期望輸出T與網(wǎng)絡(luò)輸出Y的總差值為：

(7)

若誤差小于精度要求，則訓(xùn)練結(jié)束，否則重新對(duì)樣本進(jìn)行訓(xùn)練。

1.2.4 計(jì)算權(quán)重

網(wǎng)絡(luò)訓(xùn)練結(jié)束后，由輸入層到隱含層之間的連接權(quán)矩陣V，計(jì)算各輸入層節(jié)點(diǎn)到所有隱含層節(jié)點(diǎn)間連接權(quán)的絕對(duì)值之和，并歸一化，得到指標(biāo)的權(quán)重W2=(w21,w22,…,w2n)T,計(jì)算公式見(jiàn)式(8)。

(8)

1.3　組合賦權(quán)法賦權(quán)結(jié)果

以上評(píng)價(jià)指標(biāo)權(quán)重的方法中，既有主觀賦權(quán)法(層次分析法)，又有客觀賦權(quán)法(BP神經(jīng)網(wǎng)絡(luò)法)。為了使賦權(quán)結(jié)果達(dá)到主觀和客觀的統(tǒng)一，本文建立了基于層次分析法和BP神經(jīng)網(wǎng)絡(luò)法的組合賦權(quán)法評(píng)價(jià)模型，以提高評(píng)價(jià)結(jié)果的科學(xué)性和準(zhǔn)確性。組合賦權(quán)法權(quán)重計(jì)算公式如下：

wj=αw1j+(1-α)w2j

(9)

式中：wj表示第j個(gè)指標(biāo)的組合權(quán)重；w1j、w2j分別為第j個(gè)指標(biāo)的主觀權(quán)重和客觀權(quán)重；0≤α≤1，代表決策者對(duì)不同賦權(quán)方法的偏好程度，α=0時(shí)，決策者全部采用客觀權(quán)重，α=1時(shí)，決策者全部采用客觀權(quán)重，本文取α=0.5。

2　實(shí)例應(yīng)用

以多元熱流體腐蝕評(píng)價(jià)為例，研究組合賦權(quán)法確定指標(biāo)權(quán)重的可行性。根據(jù)組合賦權(quán)法模型，首先應(yīng)確定多元熱流體腐蝕評(píng)價(jià)指標(biāo)體系，然后分別采用層次分析法和BP神經(jīng)網(wǎng)絡(luò)法計(jì)算評(píng)價(jià)指標(biāo)權(quán)重，最后綜合得到組合賦權(quán)法權(quán)重。

2.1　評(píng)價(jià)指標(biāo)構(gòu)建及基礎(chǔ)數(shù)據(jù)

多元熱流腐蝕影響因素較多，然而室內(nèi)試驗(yàn)不可能對(duì)所有的影響因素進(jìn)行評(píng)價(jià)，有必要對(duì)評(píng)價(jià)指標(biāo)進(jìn)行優(yōu)化，提取幾個(gè)最能表征腐蝕損害的指標(biāo)。主成分分析法是利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)，通過(guò)計(jì)算主成分對(duì)各評(píng)價(jià)指標(biāo)的方差貢獻(xiàn)以及主成分的得分系數(shù)，從而對(duì)其重要性進(jìn)行排序[9]。經(jīng)主成分分析法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行優(yōu)化后，最終篩選出6個(gè)影響注熱管柱腐蝕的評(píng)價(jià)指標(biāo)，分別為：溫度、流速、CO2分壓、O2分壓、含水率和礦化度。并選用六因素五水平的正交表L25(56)，開(kāi)展N80鋼腐蝕速率試驗(yàn)，試驗(yàn)結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，見(jiàn)表3。

表3　多元熱流腐蝕試驗(yàn)數(shù)據(jù)Tab. 3　Corrosion test data of MCTF

2.2　評(píng)價(jià)指標(biāo)權(quán)重計(jì)算

按照層次分析法和BP神經(jīng)網(wǎng)絡(luò)法的實(shí)施步驟，采用MATLB軟件計(jì)算，并求取兩者賦權(quán)結(jié)果的算術(shù)平均值，得到組合賦權(quán)法確定的多元熱流體腐蝕評(píng)價(jià)指標(biāo)權(quán)重，見(jiàn)表4。

表4　評(píng)價(jià)指標(biāo)權(quán)重計(jì)算結(jié)果Tab. 4　The calculation results of evaluation index weight

由表4可見(jiàn)：層次分析法和BP神經(jīng)網(wǎng)絡(luò)法計(jì)算得到的腐蝕評(píng)價(jià)指標(biāo)權(quán)重的排序一致，說(shuō)明計(jì)算結(jié)果達(dá)到了主觀和客觀上的統(tǒng)一；組合賦權(quán)法將層次分析法和BP神經(jīng)網(wǎng)絡(luò)法的計(jì)算結(jié)果相結(jié)合，進(jìn)一步提高了指標(biāo)權(quán)重的準(zhǔn)確性和可靠性；200 ℃以上高溫范圍內(nèi)，O2分壓對(duì)N80鋼的腐蝕影響最顯著，權(quán)重達(dá)到0.431 4，其次是溫度、礦化度、流速、含水率，CO2分壓影響最小，這是因?yàn)楦邷貤l件下CO2的腐蝕產(chǎn)物FeCO3將分解成氧化鐵，氧腐蝕特征明顯，從而驗(yàn)證了組合賦權(quán)法與理論研究結(jié)果的一致性。

3　結(jié)論

(1) 提出了基于"層次分析法-BP神經(jīng)網(wǎng)絡(luò)法"組合賦權(quán)的腐蝕評(píng)價(jià)指標(biāo)權(quán)重模型，為多元熱流體腐蝕評(píng)價(jià)指標(biāo)權(quán)重確定提供了一種新的思路。

(2) 通過(guò)實(shí)例分析，200 ℃以上高溫范圍內(nèi)，O2分壓對(duì)N80鋼的腐蝕影響最顯著，權(quán)重達(dá)到0.431 4，其次是溫度、礦化度、流速、含水率，CO2分壓影響最小，這是因?yàn)楦邷貤l件下CO2的腐蝕產(chǎn)物FeCO3將分解成氧化鐵，氧腐蝕特征明顯，驗(yàn)證了組合賦權(quán)法與理論研究結(jié)果相輔相成。

(3) BP神經(jīng)網(wǎng)絡(luò)法是通過(guò)對(duì)原始試驗(yàn)數(shù)據(jù)的學(xué)習(xí)，獲得各評(píng)價(jià)指標(biāo)的權(quán)重，客觀性較強(qiáng)，但是受限于數(shù)據(jù)樣本的數(shù)量及質(zhì)量，計(jì)算結(jié)果可能與實(shí)際情況不一致。進(jìn)而與層次分析法計(jì)算結(jié)果相結(jié)合，主客觀一致性得到體現(xiàn)，提高了腐蝕評(píng)價(jià)指標(biāo)權(quán)重的準(zhǔn)確性和可靠性。

參考文獻(xiàn)：

[1]孫永濤,程鵬,馬增華,等. 高溫多元熱流體注采液中N80鋼的腐蝕行為[J]. 腐蝕與防護(hù),2012,33(3):218-221.

[2]林濤,孫永濤,馬增華,等. 多元熱流體中熱-氣降粘作用初步探討[J]. 海洋石油,2012,9,32(4):74-76.

[3]胡振華,黎春秋,熊永清. 基于“AHP-IE-PCA”組合賦權(quán)法的戰(zhàn)略性新興產(chǎn)業(yè)選擇模型研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理,2011,32(7):104-109.

[4]陳偉,夏建華.綜合主. 客觀權(quán)重信息的最優(yōu)組合賦權(quán)方法[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2007,37(1):17-21.

[5]穆瑞欣,陳曉紅,游達(dá)明. 基于主客觀綜合賦權(quán)的長(zhǎng)株潭城市群循環(huán)經(jīng)濟(jì)評(píng)價(jià)[J]. 系統(tǒng)工程,2010,28(1):113-116.

[6]梁杰,侯志偉. AHP法專家調(diào)查法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的綜合定權(quán)方法[J]. 系統(tǒng)工程理論與實(shí)踐,2001,21(3):59-63.

[7]甘應(yīng)愛(ài),田豐,李維錚,等. 運(yùn)籌學(xué)[M]. 北京:清華大學(xué)出版社,2015.

[8]孫會(huì)君,王新華. 應(yīng)用人工神經(jīng)網(wǎng)絡(luò)確定評(píng)價(jià)指標(biāo)的權(quán)重[J]. 山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2001,20(3):84-86.

[9]王敏,陳民鋒,劉廣為,等. 主成分分析法確定海上油田水驅(qū)效果評(píng)價(jià)關(guān)鍵指標(biāo)[J]. 油氣地質(zhì)與采收率,2015,22(2):112-116.