典型文献
基于BP和LSTM神经网络的顺北油田5号断裂带地层孔隙压力智能预测方法
文献摘要：
顺北油田断裂发育,地质构造复杂,储集层埋深达8000?m,具有高温高压、窄钻井液密度窗口等特征,地层孔隙压力的预测精度难以满足工程需求.为了提高地层孔隙压力的预测精度,利用人工智能方法在处理复杂非线性问题上的优势,采用反向传播神经网络BP和长短期记忆循环神经网络LSTM这2种人工智能算法,基于顺北油田5号断裂带上3口井的声波时差、自然电位和自然伽马等11种特征数据以及经实测校正的地层孔隙压力标签数据,建立了顺北油田5号断裂带地层孔隙压力智能预测模型,BP神经网络模型的预测误差为3.927％,LSTM神经网络模型预测误差为2.864％.测试结果表明,LSTM神经网络模型具有更好的预测效果,满足现场地层孔隙压力的预测精度,为保障顺北油田5号断裂带钻井安全提供数据参考.
文献关键词：
顺北油田;地层孔隙压力;神经网络;人工智能;BP;LSTM
中图分类号：
作者姓名：
罗发强;刘景涛;陈修平;李少安;姚学喆;陈冬
作者机构：
中国石化西北油田分公司石油工程技术研究院,;中国石化碳酸盐岩缝洞型油藏提高采收率重点实验室;中国石油大学(北京)石油工程学院;油气资源与探测国家重点实验室·中国石油大学(北京)
文献出处：
引用格式：
[1]罗发强;刘景涛;陈修平;李少安;姚学喆;陈冬-.基于BP和LSTM神经网络的顺北油田5号断裂带地层孔隙压力智能预测方法)[J].石油钻采工艺,2022(04):506-514
A类：
B类：
顺北油田,断裂带,地层孔隙压力,智能预测,地质构造,构造复杂,储集层,埋深,深达,高温高压,钻井液密度窗口,工程需求,人工智能方法,非线性问题,反向传播神经网络,长短期记忆循环神经网络,人工智能算法,带上,声波时差,自然电位,自然伽马,特征数据,标签数据,预测误差
AB值：
0.217563
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。
