基于深度神经网络模型的钻井井漏预测研究

论文摘要

井漏是钻井工程过程中经常遇到的复杂情况,极易引发井壁坍塌、溢流等事故。针对传统井漏研究机理复杂、边界条件考虑欠缺、随钻控制仅有监测的问题,应用大数据处理思路,采用数据关联性分析、归一化处理、离群点处理、不平衡处理等数据处理技术,优选深度神经网络模型,通过模型"创建-训练-优化"的关键技术,建立井漏预测模型方法。

论文目录

• 0 引言
• 1 技术背景与现状
• 2 实施关键技术
•   2.1 数据处理技术
•     2.1.1 井漏数据的相关性分析
•     2.1.2 数据模型划分
•     2.1.3 数据归一化处理
•     2.1.4 数据离群点去除
•     2.1.5 数据不平衡处理
•   2.2 模型的建立
•     2.2.1 神经网络拓扑架构
•     2.2.2 隐含层节点确定
•     2.2.3 激励函数的选取
•   2.3 模型的优化
• 3 预测模型可视化输出
• 4 结语

文章来源

类型: 期刊论文

作者: 和鹏飞,刘晓宾,陈真,史旻,陈玉山

关键词: 数据处理,深度神经网络,井漏,钻井

来源: 天津科技 2019年S1期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 石油天然气工业,自动化技术

单位: 中海油能源发展股份有限公司工程技术分公司,中海石油(中国)有限公司天津分公司

分类号: TE28;TP183

DOI: 10.14099/j.cnki.tjkj.2019.s1.007

页码: 21-23

总页数: 3

文件大小: 376K

下载量: 157