典型文献
基于动态特征和深度神经网络的钻井漏失事故预测
文献摘要：
为提高钻井漏失预测的准确性和实时性,建立了一套能够学习现场专家经验实现对钻井漏失事故预测的智能方法.首先,对采集到的综合录井数据利用小波滤波对录井数据进行降噪处理,并根据降噪的效果选取了滑动窗口的长度,降噪后数据的波形更加平滑,上升或下降趋势更明显;然后通过研究井漏点周围4个动态特征的波形,使用滑动窗口对钻井曲线波形进行截取;最后分别用长短期记忆神经网络(LSTM)、双向长短期记忆神经网络(Bi-LSTM)、简化的AlexNet以及VGGNet对井漏事故进行实时滚动预测.实验结果表明,相对于卷积神经网络,LSTM和Bi-LSTM能够提取综合录井曲线动态变化的自相关特性,提取的特征更具有代表性,对井漏事故预测的准确率更高.
文献关键词：
钻井漏失预测;波形特征;滑动窗口;深度神经网络
中图分类号：
作者姓名：
蔺研锋;闵超;代博仁;张馨慧
作者机构：
西南石油大学 理学院,成都610500;西南石油大学 人工智能研究院,四川 成都610500;西南石油大学 油气藏地质与开发工程国家重点实验室,四川 成都610500
文献出处：
引用格式：
[1]蔺研锋;闵超;代博仁;张馨慧-.基于动态特征和深度神经网络的钻井漏失事故预测)[J].西安石油大学学报（自然科学版）,2022(03):64-69
A类：
钻井漏失预测,综合录井数据
B类：
动态特征,深度神经网络,失事,事故预测,够学,专家经验,智能方法,数据利用,小波滤波,降噪处理,滑动窗口,漏点,线波,截取,双向长短期记忆神经网络,Bi,AlexNet,VGGNet,滚动预测,自相关,相关特性,波形特征
AB值：
0.21876
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。
