FAILED
首站-论文投稿智能助手
典型文献
基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测
文献摘要:
考虑影响钩载、扭矩的因素复杂多样及钻井过程的时序性特点,优选BP神经网络和长短期记忆神经网络,设计双输入网络架构,建立大钩载荷与转盘扭矩智能预测模型.该模型同时考虑影响钩载、扭矩的多种复杂参数以及钩载、扭矩等时序数据随时间变化的趋势和前后关联,通过时序性数据和非时序性数据共同预测大钩载荷与转盘扭矩.利用国内某油田钻井现场数据进行大钩载荷与转盘扭矩的预测,均方根误差分别为39.05 kN和1.6274 kN·m,平均相对误差分别为1.202%和9.038%.
文献关键词:
大钩载荷;转盘扭矩;BP神经网络;长短期记忆神经网络;人工智能
作者姓名:
宋先知;朱硕;李根生;曾义金;郭慧娟;胡志坚
作者机构:
中国石油大学(北京)石油工程学院,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石化石油工程技术研究院,北京100101;中国石油集团工程技术研究院有限公司,北京102206
引用格式:
[1]宋先知;朱硕;李根生;曾义金;郭慧娟;胡志坚-.基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测)[J].中国石油大学学报(自然科学版),2022(02):76-84
A类:
双输入网络,转盘扭矩
B类:
大钩载荷,扭矩预测,时序性,长短期记忆神经网络,网络架构,智能预测,时序数据,前后关联,油田钻井,钻井现场,现场数据,kN,平均相对误差
AB值:
0.155583
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。