手机知网 App
24小时专家级知识服务
打 开
石油天然气工业
基于CNN-LSTM融合网络的溢流早期预测深度学习方法
溢流是钻井过程中常见的井下复杂,发现不及时易导致严重后果。目前的人工神经网络、贝叶斯网络等方法无法连续长时间准确早期预测。为了利用钻井现场数据,对溢流进行准确地早期预测,本文综合卷积神经网络和长短时记忆网络的特点和优势,结合溢流的现场钻井参数变化特点,建立了基于CNN-LSTM融合网络的溢流工况预测深度学习方法。实验证明,使用采集的所有钻井特征参数用于模型训练和溢流预测,CNN-LSTM融合网络准确率高于单独的CNN结构或单独LSTM结构。为进一步提高模型效率和减少参数依赖,有针对性地筛选了与溢流紧密相关的一些钻井参数,实验表明采用CNN-LSTM融合的网络结构优于单独的CNN或单独LSTM结构,预测准确率可达到89.55%。针对具体一组现场钻井数据的预测分析结果表明,该方法能够提前十分钟准确地预测溢流复杂的发生,为后续采取相应措施争取到宝贵时间。
关键词:
0 155
手机阅读本文
下载APP 手机查看本文
石油机械
网络首发

搜 索