一种基于多重分形的油藏井间连通程度的评估方法及系统与流程

本发明涉及油藏开发中井间连通性评估的领域，具体涉及一种基于多重分形的油藏井间连通程度的评估方法及系统。

背景技术：

油藏井间连通性可以分为静态连通性和动态连通性。通常静态连通性指应用地质和物探方法得到的连通性结果，是由油藏地质特征和储层特点决定。由于缝洞型油藏储集层复杂的特点，传统地质和物探(如测井、试井、地质建模等方法)研究得到的地层连通属于静态范畴，无法有效认识缝洞体的连通性。而油藏井间动态连通性是指油藏开发后井间储层流体的连通程度。利用生产数据定量反演井间连通性是一类重要方法，基本原理是将油藏视为一个注水井发出刺激和周围油井接受刺激的注采系统，注水井、油井以及井间储层构成一个复杂的动力平衡系统。水注入油层后，必将把原油或地层水通过连通好的储层向油井驱替，从而维持油井的生产。注水井注水量的变化引起油井产液波动是油水井层内连通的特征反映，油井产液量的波动幅度与油水井连通程度相关，连通性越好，产液波动越明显，因此可通过数学方法来量化表征注采间连通程度，其模型主要包括基于多元线性回归模型、系统分析模型、弹性压缩模型、电容模型和神经网络等。

通过对生产动态数据的特征进行统计分析，其具有一定的非线性特征，如下所述：

(1)油藏生产动态数据的分布具有肥尾的尖峰态，方差不确定或无穷，不服从正态分布。

(2)在生产数据的变化过程中，含水、产油等并不是遵循随机游动的随机变量，计算得不到唯一的最优化解，而是有多个可能解。

(3)生产动态数据具有受历史信息影响的长记忆性(如产油量逐渐衰减就是长期记忆性,也称为长程相关性、状态持续性)和趋势性，具有全局的有序(确定)性和局部的无序(随机)性，具有反馈效应。

综上所述，油藏生产数据的变化不是独立的，并不遵循随机游动，也不服从正态分布，这些性质恰恰是非线性动力系统的特征，而传统的多元线性回归模型、系统分析模型、弹性压缩模型、电容模型等无法细粒度刻画该特征。

技术实现要素：

本发明所要解决的技术问题是提供一种基于多重分形的油藏井间连通程度的评估方法及系统，可以细粒度的刻画油藏井间连通程度。

本发明解决上述技术问题的技术方案如下：一种基于多重分形的油藏井间连通程度的评估方法，包括以下步骤，

s1，读取并预处理注采井的生产动态数据，得到生产动态数据的时间序列；

s2，对采集时间位于注水后预设周期中的生产动态数据的时间序列采用多重分形算法进行计算，得出所述采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数；

s3，对采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列进行波形特征计算，得出所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波形幅值，并通过所述波形幅值定性评估出井间动态连通性；

s4，在井间动态连通程度的定性评估的基础上，将采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数作为注采劈分系数，通过注采劈分系数定量评估井间动态连通程度。

本发明的有益效果是：本发明的方法基于生产动态数据反演井间连通性，更有效反映井间实际的连通情况；同时，多重分形是一种从系统的局部出发研究整体特征的方法，主要借助统计物理的方法计算概率的分布情况，本发明的方法基于多重分形原理，结合多重分形谱参数特征并计算相关谱参数，可以定量获取井间连通程度强弱关系，从而可以细粒度的刻画油藏井间连通程度。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，s1具体为，

s11，读取注采井的生产动态数据；

s12，筛选出与多个注水段起始时间中初始注水量日期对应匹配的生产动态数据；

s13，将筛选出的生产动态数据带入相应的数据预处理算法中计算，得出与多个注水段起始时间中初始注水量日期分别对应匹配的生产动态数据的时间序列。

进一步，所述动态生产数据包括注水量、产油量、含水量、含水率和注水段起始时间。

进一步，在s12中，如果筛选出的注水量、产油量、含水量和含水率存在数据缺失的情况，还包括对筛选出的注水量、产油量、含水量和含水率进行数据补齐。

采用上述进一步方案的有益效果是：数据补齐的处理可以有效提高后续计算的精度。

进一步，采用去噪补齐缺失数据，或采用eemd时频分解，结合支持向量机对各子信号建模预测实现数据的插值处理补齐缺失数据。

采用上述进一步方案的有益效果是：若遇到关停井、修井等导致少量数据缺失，采用去噪补齐缺失数据；对于较长数据缺失，采用eemd时频分解，结合支持向量机对各子信号建模预测实现数据的插值处理；针对不同缺失程度的数据采用不同的补齐处理方法，使得补齐的数据更加真实有效。

进一步，s2具体为，

s21，将采集时间位于注水后预设周期中的生产动态数据的时间序列用时间标度δ分割成n(n＝1/δ)个互不重叠的区间；

s22，计算出每一个区间内样本的概率测度pi(δ)；

s23，根据所有区间内的概率测度pi(δ)和权重因子q求出多重分形算法的配分函数χq(δ)；

s24，对配分函数χq(δ)和时间标度δ求对数得出lnχq(δ)～lnδ双对数曲线，并通过最小二乘法拟合算法来估算lnχq(δ)～lnδ双对数曲线的斜率τ(q)；

s25，对斜率τ(q)和权重因子q进行勒让德变换得出奇异指数α和多重分形谱函数f(α)；

s26，绘制f(α)～α曲线图并对其进行积分处理，得到采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数

采用上述进一步方案的有益效果是：多重分形是定义在分形结构上的有无穷多个标度指数所组成的一个集合，通过一个谱函数来描述分形结构上不同的局域条件、或分形结构在演化过程中不同层次所导致的特殊的结构行为与特征；通过计算概率测度pi、配分函数χq(δ)和质量指数τ(q)，采用最小二乘法回归拟合得到α和多重分形谱函数f(α)；在f(α)～α图形中，δα(即αmax-αmin)表示数据的均匀程度，δα越大，则表示曲线越不规则，而对于每一个奇异指数α所对应的范围，f(α)表示该区间的分形维数，即该区间数据参差不齐的程度，将f(α)～α图形积分的结果作为波动的复杂程度表征井间连通性。

进一步，s21中采集时间位于注水后预设周期中的生产动态数据的时间序列包括产油量的时间序列和含水量的时间序列；s26中采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数包括产油量的多重分形谱参数和含水量的多重分形谱参数。

进一步，在s3中，对采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列进行波形特征计算的具体步骤为，

s31，选取采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列；

s32，以时间窗口为单位计算局部窗口内采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列的波动幅值，并采用滑动时间窗口记录采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列的最大的波动幅值，其中，采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列的最大的波动幅值即为采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波形幅值。

进一步，s31中的采集时间位于注水后预设周期中一段时间跨度内的生产动态数据为含水率，s32中采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波动幅值为含水率的波动幅值。

采用上述进一步方案的有益效果是：理论上注水后连通井生产数据会存在一定变化特征，在相同注水情况下波动特征变化越大井间动态连通程度越强；注水后油井生产数据的波形特征在一定程度上反映了井间连通程度，正常情况下，其波动变化受到注水驱动、泵抽、冲程、冲次等因素的综合影响，反映了生产过程中产生产井的能量变化，而在非正常情况下，如频繁的关停井、更换油嘴、洗井(以上称之为工作制度变更)或生产数据缺失不全(数据质量差)时，最大波动往往表现出无规律性；在各类生产数据中，注水后含水率的波动情况受注水影响最为明显，因此通过计算注水前后含水率的波动大小在一定程度上可以判断井间连通关系。

基于上述一种基于多重分形的油藏井间连通程度的评估方法，本发明还提供了一种基于多重分形的油藏井间连通程度的评估系统。

一种基于多重分形的油藏井间连通程度的评估系统，包括预处理模块、多重分形谱参数生成模块、波形特征计算模块和井间动态连通程度定量评估模块，

预处理模块，其用于读取并预处理注采井的生产动态数据，得到生产动态数据的时间序列；

多重分形谱参数生成模块，其用于对采集时间位于注水后预设周期中的生产动态数据采用多重分形算法进行计算，得出所述采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数；

波形特征计算模块，其用于对采集时间位于注水后预设周期中一段时间跨度内的生产动态数据进行波形特征计算，得出所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波形幅值，并通过所述波形幅值定性评估出井间动态连通性；

井间动态连通程度定量评估模块，其用于在井间动态连通程度的定性评估的基础上，将采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数作为注采劈分系数，通过注采劈分系数定量评估井间动态连通程度。

本发明的有益效果是：本发明的系统基于生产动态数据反演井间连通性，更有效反映井间实际的连通情况；同时，多重分形是一种从系统的局部出发研究整体特征的方法，主要借助统计物理的方法计算概率的分布情况，本发明的系统基于多重分形原理，结合多重分形谱参数特征并计算相关谱参数，可以定量获取井间连通程度强弱关系，从而可以细粒度的刻画油藏井间连通程度。

附图说明

图1为本发明一种基于多重分形的油藏井间连通程度的评估方法的整体流程图；

图2为本发明一种基于多重分形的油藏井间连通程度的评估方法中s1的具体流程图；

图3为本发明一种基于多重分形的油藏井间连通程度的评估方法中s2的具体流程图；

图4为本发明一种基于多重分形的油藏井间连通程度的评估方法中s3的具体流程图；

图5为tk634井组区域地质概况图；

图6为多重分形法得到的tk634井组劈分关系图；

图7为tk617ch井组区域地质概况图；

图8为多重分形法得到的tk617ch井组劈分关系图；

图9为本发明一种基于多重分形的油藏井间连通程度的评估系统的结构框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种基于多重分形的油藏井间连通程度的评估方法，包括以下步骤，

s1，读取并预处理注采井的生产动态数据，得到生产动态数据的时间序列；

s2，对采集时间位于注水后预设周期中的生产动态数据的时间序列采用多重分形算法进行计算，得出所述采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数；

s3，对采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列进行波形特征计算，得出所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波形幅值，并通过所述波形幅值定性评估出井间动态连通性；

s4，在井间动态连通程度的定性评估的基础上，将采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数作为注采劈分系数，通过注采劈分系数定量评估井间动态连通程度。

下面分别对s1～s4进行具体解释说明。

如图2所示，s1具体为：

s11，读取注采井的生产动态数据；其中，所述动态生产数据包括注水量、产油量、含水量、含水率和注水段起始时间；

s12，筛选出与多个注水段起始时间中初始注水量日期对应匹配的生产动态数据；其中，如果筛选出的注水量、产油量、含水量和含水率存在数据缺失的情况，还包括对筛选出的注水量、产油量、含水量和含水率进行数据补齐的处理；数据补齐处理的方法为：①若遇到关停井、修井等导致少量数据缺失，采用去噪补齐缺失数据；②对于较长数据缺失，采用eemd时频分解，结合支持向量机对各子信号建模预测实现数据的插值处理来补齐数据；

s13，将筛选出的生产动态数据带入相应的数据预处理算法中计算，得出与多个注水段起始时间中初始注水量日期分别对应匹配的生产动态数据的时间序列。

在s2中，预设周期为两个月，也就是本具体实施例研究数据对象是每次注水之后的60天(即两个月)的注采井的含水量的时间序列和产油量的时间序列(根据示踪剂测试情况注水受效一般在两个月内)；多重分形是定义在分形结构上的有无穷多个标度指数所组成的一个集合，通过一个谱函数来描述分形结构上不同的局域条件、或分形结构在演化过程中不同层次所导致的特殊的结构行为与特征。多重分形谱参数计算采用盒计数法，其计算流程如图3所示：

s21，为用时间标度为δ(δ＜1)的一维小盒子对采集时间位于注水后预设周期中的生产动态数据的时间序列进行覆盖，即将采集时间位于注水后预设周期中的生产动态数据的时间序列用时间标度δ分割成n(n＝1/δ)个互不重叠的区间；其中，采集时间位于注水后预设周期中的生产动态数据的时间序列包括产油量的时间序列和含水量的时间序列；

s22，计算出每一个区间内样本的概率测度pi(δ)；其中，记ii(δ)为时间标度为δ时第i个区间内所有样品含水量值或产油量值之和，则第i个区间内的样本的概率测度pi(δ)为：

若此含水量的时间序列或产油量的时间序列具有多重分形特征,则在无标度区间内满足如下幂律关系:

pi(δ)∝δ^α(2)

其中，α为第i个区间所对应的标志pi(δ)大小的奇异指数，反映pi随δ变化各个区间不同的奇异程度；

把具有相同α的时间标度为δ的区间个数记为nα(δ)，随δ减少，nα(δ)不断增加，若此含水量的时间序列或产油量的时间序列存在多标度关系，则在无标度区间内满足如下幂律关系：

nα(δ)∝δ^-f(α)(δ→0)(3)

其中，多重分形谱函数f(α)表示各pi中具有相同α子集的元素的数目随δ减小而增大的速度；

s23，根据所有区间内的概率测度pi(δ)和权重因子q求出多重分形算法的配分函数χq(δ)；其中的，定义多重分形算法的配分函数χq(δ)为归一化含水量或产油量的q阶矩：

χq(δ)是反映归一化含水量或产油量pi(δ)不均匀性的统计量，q为权重因子，通过加权处理，达到分层次研究精细结构的目的；

s24，对配分函数χq(δ)和时间标度δ求对数得出lnχq(δ)～lnδ双对数曲线，并通过最小二乘法拟合算法来估算lnχq(δ)～lnδ双对数曲线的斜率τ(q)；具体的，由分形的自相似性可知，χq(δ)与δ在无标度区间满足如下幂律关系：

χq(δ)∝δ^τ(q)(5)

对上式两侧求对数即得lnχq(δ)～lnδ曲线，其中曲线的斜率τ(q)为质量指数，τ(q)可通过lnχq(δ)～lnδ双对数曲线中的线性点进行最小二乘法拟合来进行估算；

s25，对斜率τ(q)和权重因子q进行勒让德变换得出奇异指数α和多重分形谱函数f(α)；具体的，在已知q～τ(q)曲线的前提下，通过勒让德变换(legendretransformation),由q和τ(q)可以得到α(q)和f(α)：

s26，绘制f(α)～α曲线图并对其进行积分处理，得到采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数其中，采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数包括产油量的多重分形谱参数和含水量的多重分形谱参数。

综上所述，通过计算概率测度pi、配分函数χq(δ)和质量指数τ(q)，采用最小二乘法回归拟合得到α和多重分形谱函数f(α)；在f(α)～α图形中，δα(即αmax-αmin)表示数据的均匀程度，δα越大，则表示曲线越不规则；而对于每一个奇异度指数α所对应的范围，f(α)表示该区间的分形维数，即该区间数据参差不齐的程度；将f(α)～α图形积分的结果作为波动的复杂程度表征井间连通程度。

在s3中，计算在注水后预设周期中一段时间跨度内生产数据如含水率的最大波动，选择波峰与波谷之间差值的最大值作为局部最大波动；假设选取时间跨度为t，时间窗口大小为t(t<t)，求解t-t+1个时间窗口内的含水率局部最大波动值，其中第i个窗口的局部最大波动记为δi,δmax＝max{δ1，δ2，...，δt-t+1}为注水后一段时间跨度内最大波动值；δi具体判断如图4所示：

在s3中，对采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列进行波形特征计算的具体步骤为，

s31，选取采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列；其中，采集时间位于注水后预设周期中一段时间跨度内的生产动态数据为含水率；如果待判断油井在含水量波动期间出现了生产制度干扰(如更改油嘴大小，洗井，停井等操作)，根据具体情况决定是否筛去该井；

s32，以时间窗口为单位计算局部窗口内所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列的波动幅值，并采用滑动时间窗口记录所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列的最大的波动幅值，其中，所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的时间序列的最大的波动幅值即为所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波形幅值；另外，采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波动幅值为含水率的波动幅值。

在s3中，理论上注水后注采井生产动态数据会存在一定变化特征，在相同注水情况下波动特征变化越大井间动态连通程度越强；注水后生产井生产数据的波形特征在一定程度上反映了井间连通程度；正常情况下，其波动变化受到注水驱动、泵抽、冲程、冲次等因素的综合影响，反映了生产过程中产生产井的能量变化；而在非正常情况下，如频繁的关停井、更换油嘴、洗井(以上称之为工作制度变更)或生产数据缺失不全(数据质量差)时，最大波动往往表现出无规律性；在各类生产数据中，注水后含水率的波动受注水影响最为明显，因此通过计算注水前后含水率的波动大小在一定程度上可以定性判断井间连通关系。

s4采用多重分形法做连通程度的定量评估，具体步骤如下：在s3中井间连通程度定性计算基础上，综合s2中得出的产油量的多重分形谱参数和含水量的多重分形谱参数作为注采劈分系数，反映注水后各生产井水量的劈分情况；劈分系数越大，一般井间动态连通程度越强。

本发明的方法，其目的是建立油藏生产动态数据与井间连通程度间的映射关系，通过计算多重分形谱参数来定量判断井间连通程度的强弱关系。基本原理是注水井注入量的变化往往会引起周围油井产液量的波动，波动幅度越大，连通程度越好，针对生产动态数据通过数学方法量化表征注采间连通程度。缝洞型油藏的生产动态数据如含水量、产油量等的动态变化并不遵循随机游动，也不服从正态分布，整个分布呈现尖峰肥尾的非线性动力系统特征，因此传统统计方法和时序模型无法有效刻画复杂注采机理。多重分形是一种从系统局部出发研究整体特征的方法，借助统计物理的方法计算其概率分布情况，采用多重分形谱参数描述持续注水、关停井、洗井各种工作制度改变后生产数据的变化特征，挖掘含水率、产油波动与注水间的关联性，定量分析油藏注采井间连通程度。该算法基于生产动态资料，利用统计物理的方法计算概率的分布对注采间连通强弱进行定量分析，在认识注入流体流向的基础上，通过多重分形算法计算注水受效情况。该方法克服了传统井间连通判断方法影响正常生产施工作业的问题，降低注采连通强弱判别的成本，同时简化传统注采连通关系判别的工作量。

下面以塔河油田缝洞型油藏为例介绍本发明方法的具体应用：

塔河油田缝洞型油藏，是以溶洞、缝洞为主的特殊油藏。孔、洞、缝按照不同的方式及规模将会组成多种储集类型，具有很强的非均质性特征。主要包括三叠系、石炭系的砂岩油藏，以及奥陶系的碳酸盐岩油藏。油田储量主要来自奥陶系碳酸盐岩油藏，奥陶系油藏探明储量占油田总探明储量的81.7％，目前油田主力产油层为奥陶系缝洞性碳酸盐岩地层。研究区域包含296口井，历史资料有超过15年的数据(从2001年到2015年)。算法运行环境：windows7系统，4g运行内存，2.94ghzpentium(r)dual-corecpu；运行工具：vs2010；编程语言：c/c++。实验测试对象选取的是塔河油田的四六七单元。

实验测试对象选取的是塔河油田四六七单元的2个注采井组，分别是tk634(2009年4月23日)和tk617ch(2007年11月27日)。基于生产数据资料，选取这2个注采井组注水之后的60天的生产数据，对这些数据进行多重分形谱参数计算，得到井间连通程度结果。

示踪剂验证是一种传统的判断井间连通关系的方法，通过投放示踪剂、在周围井中取样、分析样品等来明确井间连通关系。本发明的方法以实际注采井示踪剂实验作为参照，进行计算结果连通性判断的验证。多重分形结果和示踪剂结果对比如下所示：

(1)tk634井组(2009年4月23日)

tk634井是在塔河油田6区牧场北6号构造上部署的一口开发井，tk634井位于tk7-607单元与s67单元,以及东北部位的t606单元区域的结合部位如图5所示。该井2002年5月24日投产，投产时无水生产，无水采油期较长，至今已累计产液15.5626万吨，产油12.4326万吨。目前日产水液31.2吨，日产油2.3吨，含水92.5％。

多重分形法得到的tk634井组注水劈分关系对比如表1所示：

表1

多重分形法得到的tk634井组劈分关系如图6所示；

通过表1和图6，示踪剂水量分配与多重分形法连通参数特征较吻合。经检验，井组示踪剂水量分配情况与多重分形得到的连通参数比例大小顺序一致，并且两者的比例大小很接近，说明该井连通性结果与示踪剂测试结果较为吻合。

(2)tk617ch井组(2007年11月27日)

tk617ch井位于塔河油田6区东北部，牧场北2号构造高点上，生产层位为奥陶系o1-2y。区域缝洞单元如图7，单元内的部分油井的天然能量大都较大，无水开采期时间较长，初始产量高，单元内的油井在钻探过程中都有不同程度的放空现象，说明单元内的储集体是溶洞、逢洞发育的油藏。

多重分形法得到的tk617ch井组注水劈分关系如表2所示：

表2

图8为多重分形法得到的tk617ch井组劈分关系如图8所示；

通过表2和图8，可看出示踪剂水量分配与多重分形法连通参数特征较吻合。经检验，井组示踪剂水量分配情况与多重分形得到的连通参数比例大小顺序一致，并且两者的比例大小很接近，说明该井连通性结果与示踪剂测试结果较为吻合。

总的来说，从上面的对比图表的结果与分析来看，多重分形研究井间连通程度的实验结果与示踪剂的结果相符，基本符合油田的实际情况，新方法计算的结果较为准确与可靠，具有一定的实用价值，对油藏的开发起到一定促进作用。

基于上述一种基于多重分形的油藏井间连通程度的评估方法，本发明还提供了一种基于多重分形的油藏井间连通程度的评估系统。

如图9所示，一种基于多重分形的油藏井间连通程度的评估系统，包括预处理模块、多重分形谱参数生成模块、波形特征计算模块和井间动态连通程度定量评估模块，

预处理模块，其用于读取并预处理注采井的生产动态数据，得到生产动态数据的时间序列；

多重分形谱参数生成模块，其用于对采集时间位于注水后预设周期中的生产动态数据采用多重分形算法进行计算，得出所述采集时间位于注水后预设周期中的生产动态数据的多重分形谱参数；

波形特征计算模块，其用于对采集时间位于注水后预设周期中一段时间跨度内的生产动态数据进行波形特征计算，得出所述采集时间位于注水后预设周期中一段时间跨度内的生产动态数据的波形幅值，并通过所述波形幅值定性评估出井间动态连通性。

本发明的系统基于生产动态数据反演井间连通性，更有效反映井间实际的连通情况；同时，多重分形是一种从系统的局部出发研究整体特征的方法，主要借助统计物理的方法计算概率的分布情况，本发明的系统基于多重分形原理，结合多重分形谱参数特征并计算相关谱参数，可以定量获取井间连通程度强弱关系，从而可以细粒度的刻画油藏井间连通程度。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。