典型文献
基于LSTM-BP神经网络的地层孔隙压力计算方法
文献摘要：
地层孔隙压力是油气井从设计到完钻过程中重要的基础数据,准确计算地层孔隙压力是保障钻井安全、提高钻井效率的重要前提.为了克服传统地层孔隙压力计算方法精度不足、计算效率不高的问题,本文考虑到钻井与地层沉积均为序列性和非线性过程,提出了将长短期记忆神经网络(LSTM)和误差反向传播神经网络(BP)相结合计算地层孔隙压力的方法,利用LSTM层提取钻-测-录多源数据中的序列性特征信息,经过BP层构建特征信息与地层孔隙压力之间的非线性映射关系.通过对油田现场钻测录数据进行清洗并综合相关性分析和钻井经验知识优选了18种输入参数,对LSTM-BP地层孔隙压力计算模型进行训练和测试,并采用网格搜索法对LSTM-BP神经网络模型的5种模型超参数进行了优选,效果最优的单井计算模型和邻井计算模型的平均绝对误差分别为4.92 MPa和2.34 Mpa,均方根误差分别为6.65 Mpa和3.03 Mpa,平均相对误差分别为4.36％和8.31％.最后与传统BP模型、LSTM模型和支持向量机(SVM)模型的最优结果进行对比,结果显示,本文所建立的LSTM-BP神经网络模型精度均高于BP模型、LSTM模型和SVM模型,表明所提出的LSTM-BP地层孔隙压力计算模型具有较高的计算精度.
文献关键词：
地层孔隙压力;LSTM-BP神经网络;深度学习;多源数据
中图分类号：
作者姓名：
宋先知;姚学喆;李根生;肖立志;祝兆鹏
作者机构：
中国石油大学(北京)人工智能学院,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
文献出处：
引用格式：
[1]宋先知;姚学喆;李根生;肖立志;祝兆鹏-.基于LSTM-BP神经网络的地层孔隙压力计算方法)[J].石油科学通报,2022(01):12-23
A类：
B类：
地层孔隙压力,压力计算,油气井,完钻,钻井效率,计算效率,效率不高,序列性,非线性过程,长短期记忆神经网络,误差反向传播神经网络,多源数据,特征信息,非线性映射,映射关系,油田,经验知识,输入参数,网格搜索法,超参数,单井,平均绝对误差,Mpa,平均相对误差,模型精度,计算精度
AB值：
0.199724
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。
