发明名称 |
一种基于稀疏字典学的油井示功图压缩存储方法 |
摘要 |
本发明是一种基于稀疏字典学的油井示功图压缩存储方法,尤其是基于字典学的方法,目的在于解决大量抽油机井示功图数据存储问题。该方法基于历史油井示功图数据库,选取典型的油井示功图数据,通过数据预处理后组成训练样本库,采用信号稀疏领域的K-SVD算法对样本库进行训练得到稀疏字典并保存;原始示功图结合稀疏字典,通过OMP算法得到稀疏系数并保存,实现油井示功图数据压缩;稀疏系数结合稀疏字典进行示功图重构,得到原始示功图。本方法得到的字典对油井示功图的稀疏化效果更好,重构油井示功图的精度更高。本方法不需要目标的先验信息,具有广泛的应用面。 |
申请公布号 |
CN104867166A |
申请公布日期 |
2015.08.26 |
申请号 |
CN201510263006.2 |
申请日期 |
2015.05.22 |
申请人 |
北京师范大学 |
发明人 |
田海峰;余先川;高贯银 |
分类号 |
G06T9/00(2006.01)I;G06K9/66(2006.01)I |
主分类号 |
G06T9/00(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于稀疏字典学习的油井示功图压缩存储方法,其特征在于,该方法包括:(1)收集历史油井示功图数据,分类选取油井示功图数据中的典型示功图,组成示功图数据训练样本库;(2)根据示功图数据中位移起始位置分别对位移数据和载荷数据进行调整,将示功图数据训练样本库分解为位移数据样本库M和载荷数据样本库L;(3)初始化位移稀疏字典D<sub>M</sub>和载荷稀疏字典D<sub>L</sub>为DCT字典;(4)利用位移训练样本库M训练位移稀疏字典D<sub>M</sub>,利用载荷训练样本库L训练载荷稀疏字典D<sub>L</sub>;(5)保存位移稀疏字典D<sub>M</sub>和载荷稀疏字典D<sub>L</sub>;(6)对于一个原始油井示功图数据,将其分解为位移数据和载荷数据;(7)根据位移数据起始位置分别对位移数据和载荷数据进行调整,得到位移数据向量x和载荷数据向量y;(8)通过0MP算法获取位移稀疏系数向量α<sub>M</sub>和载荷稀疏系数向量α<sub>L</sub>;(9)保存位移稀疏系数向量α<sub>M</sub>和载荷稀疏系数向量α<sub>L</sub>;(10)提取位移稀疏系数向量α<sub>M</sub>和载荷稀疏系数向量α<sub>L</sub>;(11)将位移稀疏系数向量α<sub>M</sub>与位移稀疏字典D<sub>M</sub>相结合,得到位移数据向量x,将载荷稀疏系数向量α<sub>L</sub>与载荷稀疏字典D<sub>L</sub>相结合,得到载荷数据向量y;(12)由位移数据向量x和载荷数据向量y重构示功图。 |
地址 |
100875 北京市海淀区新街口外大街19号 |