組合賦權法確定多元熱流體腐蝕評價指標權重

,,,,

(中海油田服務股份有限公司，塘沽 300450)

多元熱流體是一種由液態水、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]。對于稠油油藏來說，將多元熱流體注入油層可以達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也會對注熱管柱產生不同程度的腐蝕，影響注熱管柱的使用壽命及作業安全。因此，確定多元熱流體腐蝕評價指標及指標權重至關重要，可為多元熱流體腐蝕快速預測模型建立提供重要參考。

目前確定權重的方法很多，主要分為三類：主觀賦權法、客觀賦權法和組合賦權法[3-5]。主觀賦權法是根據決策者的知識經驗水平確定各指標的相對重要程度，該方法能保證賦權結果與指標實際重要程度相符合，但主觀隨意性較大，常用的有層次分析法、專家調查法、模糊分析法等?？陀^賦權法是根據原始數據研究指標之間的關系進而確定權重，得出的權重客觀性強，但有時賦權結果與指標的實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。為確保賦權結果的準確性和可靠性，本工作提出基于“層次分析法-BP神經網絡法”組合賦權的多元熱流體腐蝕評價指標權重模型，綜合利用專家自身知識經驗和客觀試驗數據，避免單一方法在賦權中存在的局限性，為多元熱流體腐蝕評價指標權重確定提供一種新的思路。

1　組合賦權法計算模型

1.1　層次分析法確定主觀權重

層次分析法是將與決策有關的元素分解成目標、準則、方案等層次，在此基礎之上進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雜問題的多個指標進行“兩兩比較”，然后進行綜合評價，最后確立各指標的權重。這種方法是利用專家經驗、知識等構造判斷矩陣，思路清晰，可以將決策者的主觀判斷及客觀推理緊密地聯系起來。

1.1.1 構造判斷矩陣

對各評價指標按照判斷矩陣標度(見表l)進行兩兩相對重要程度比較，通過引入九級比例標度將專家主觀判斷定量化，從而構造判斷矩陣A=(aij)n×n。

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

1.1.2 計算最大特征值和特征向量

計算特征向量W1=(w11,w12,……,w1n)T：

(1)

計算評價矩陣的最大特征值λmax：

(2)

1.1.3 一致性檢驗

對特征值和特征向量進行一致性檢驗，以確定權值分配是否合理。一致性檢驗公式如下：

(3)

表2　平均隨機一致性指標RITab. 2　Average random consistency index RI

通常當CR<0.1時，認為判斷矩陣符合一致性要求，此時可用特征向量W1作為權向量；否則，則需對判斷矩陣進行適當修正，直至獲取滿意的隨機一致性。

1.2　BP神經網絡法確定客觀權重

BP神經網絡是一種基于誤差反向傳播算法的多層前饋神經網絡，由輸入層、隱含層和輸出層組成[8]。該網絡可以實現輸入數據和輸出數據之間復雜的非線性映射關系，并且可以根據客觀數據進行自適應學習。

以室內試驗數據作為網絡訓練樣本，原始數據矩陣為X=(Xij)m×n，期望輸出為T=(t1,t2,…,tm)T，Xij第i組試驗數據中第j個評價指標對應的原始值，i=1，2，…，m，j=1，2，…，n。設計BP神經網絡的輸入層包含n個節點，輸入向量表示為X=(x1,x2,…,xn)T；隱含層包含k各節點，輸出向量表示為Z=(z1,z2,…,zk)T；輸出層包含一個節點，Y=(y1,y2,…,ym)T。輸入層到隱含層之間的連接權表示為V=(vij)n×k，隱含層到輸出層之間的連接權表示為U=(u1,u2,…,uk)T。

1.2.1 計算隱含層、輸出層輸出

隱含層第i個節點的輸出為：

(4)

對于輸出層，有

(5)

初始參數vij、w2i均隨機選取最小值。

1.2.2 調整連接權值

uj(t)=uj(t-1)+ηδyyj

(6)

(7)

1.2.3 計算網絡誤差

所有訓練樣本的期望輸出T與網絡輸出Y的總差值為：

(7)

若誤差小于精度要求，則訓練結束，否則重新對樣本進行訓練。

1.2.4 計算權重

網絡訓練結束后，由輸入層到隱含層之間的連接權矩陣V，計算各輸入層節點到所有隱含層節點間連接權的絕對值之和，并歸一化，得到指標的權重W2=(w21,w22,…,w2n)T,計算公式見式(8)。

(8)

1.3　組合賦權法賦權結果

以上評價指標權重的方法中，既有主觀賦權法(層次分析法)，又有客觀賦權法(BP神經網絡法)。為了使賦權結果達到主觀和客觀的統一，本文建立了基于層次分析法和BP神經網絡法的組合賦權法評價模型，以提高評價結果的科學性和準確性。組合賦權法權重計算公式如下：

wj=αw1j+(1-α)w2j

(9)

式中：wj表示第j個指標的組合權重；w1j、w2j分別為第j個指標的主觀權重和客觀權重；0≤α≤1，代表決策者對不同賦權方法的偏好程度，α=0時，決策者全部采用客觀權重，α=1時，決策者全部采用客觀權重，本文取α=0.5。

2　實例應用

以多元熱流體腐蝕評價為例，研究組合賦權法確定指標權重的可行性。根據組合賦權法模型，首先應確定多元熱流體腐蝕評價指標體系，然后分別采用層次分析法和BP神經網絡法計算評價指標權重，最后綜合得到組合賦權法權重。

2.1　評價指標構建及基礎數據

多元熱流腐蝕影響因素較多，然而室內試驗不可能對所有的影響因素進行評價，有必要對評價指標進行優化，提取幾個最能表征腐蝕損害的指標。主成分分析法是利用降維的思想，把多指標轉化為少數幾個綜合指標，通過計算主成分對各評價指標的方差貢獻以及主成分的得分系數，從而對其重要性進行排序[9]。經主成分分析法對評價指標進行優化后，最終篩選出6個影響注熱管柱腐蝕的評價指標，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)，開展N80鋼腐蝕速率試驗，試驗結果作為BP神經網絡的訓練數據，見表3。

表3　多元熱流腐蝕試驗數據Tab. 3　Corrosion test data of MCTF

2.2　評價指標權重計算

按照層次分析法和BP神經網絡法的實施步驟，采用MATLB軟件計算，并求取兩者賦權結果的算術平均值，得到組合賦權法確定的多元熱流體腐蝕評價指標權重，見表4。

表4　評價指標權重計算結果Tab. 4　The calculation results of evaluation index weight

由表4可見：層次分析法和BP神經網絡法計算得到的腐蝕評價指標權重的排序一致，說明計算結果達到了主觀和客觀上的統一；組合賦權法將層次分析法和BP神經網絡法的計算結果相結合，進一步提高了指標權重的準確性和可靠性；200 ℃以上高溫范圍內，O2分壓對N80鋼的腐蝕影響最顯著，權重達到0.431 4，其次是溫度、礦化度、流速、含水率，CO2分壓影響最小，這是因為高溫條件下CO2的腐蝕產物FeCO3將分解成氧化鐵，氧腐蝕特征明顯，從而驗證了組合賦權法與理論研究結果的一致性。

3　結論

(1) 提出了基于"層次分析法-BP神經網絡法"組合賦權的腐蝕評價指標權重模型，為多元熱流體腐蝕評價指標權重確定提供了一種新的思路。

(2) 通過實例分析，200 ℃以上高溫范圍內，O2分壓對N80鋼的腐蝕影響最顯著，權重達到0.431 4，其次是溫度、礦化度、流速、含水率，CO2分壓影響最小，這是因為高溫條件下CO2的腐蝕產物FeCO3將分解成氧化鐵，氧腐蝕特征明顯，驗證了組合賦權法與理論研究結果相輔相成。

(3) BP神經網絡法是通過對原始試驗數據的學習，獲得各評價指標的權重，客觀性較強，但是受限于數據樣本的數量及質量，計算結果可能與實際情況不一致。進而與層次分析法計算結果相結合，主客觀一致性得到體現，提高了腐蝕評價指標權重的準確性和可靠性。

參考文獻：

[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,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”組合賦權法的戰略性新興產業選擇模型研究[J]. 科學學與科學技術管理,2011,32(7):104-109.

[4]陳偉,夏建華.綜合主. 客觀權重信息的最優組合賦權方法[J]. 數學的實踐與認識,2007,37(1):17-21.

[5]穆瑞欣,陳曉紅,游達明. 基于主客觀綜合賦權的長株潭城市群循環經濟評價[J]. 系統工程,2010,28(1):113-116.

[6]梁杰,侯志偉. AHP法專家調查法與神經網絡相結合的綜合定權方法[J]. 系統工程理論與實踐,2001,21(3):59-63.

[7]甘應愛,田豐,李維錚,等. 運籌學[M]. 北京:清華大學出版社,2015.

[8]孫會君,王新華. 應用人工神經網絡確定評價指標的權重[J]. 山東科技大學學報(自然科學版),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效果評價關鍵指標[J]. 油氣地質與采收率,2015,22(2):112-116.