典型文献
气体钻井随钻安全风险智能识别方法
文献摘要：
针对目前智能钻井技术在工况表征、样本收集整理、数据处理及特征提取方面的不足,建立随钻安全风险智能识别方法.使用相关性分析法,确定表征气体钻井安全风险的关联参数;收集并整理20余井次安全风险时段监测数据,建立气体钻井多种安全风险数据样本库,并使用少样本扩展方法扩充样本数量.根据气体钻井随钻监测数据样本形式,设计两层卷积神经网络架构,设置多个不同大小及权重的卷积核对样本进行纵横两向卷积运算,提取并学习多个监测参数在钻进过程中的变化规律及关联特征.根据神经网络训练结果,优选各安全风险样本类别以提高识别准确率.与传统的误差反向传播(BP)类全连接神经网络架构相比,设计的方法能更深入有效感知气体钻井安全风险特征,实现高效识别和预测,有利于避免或快速解决随钻安全风险.经现场多次应用证实,气体钻井过程中各类随钻安全风险识别准确率为90％左右,具有良好的实用性.
文献关键词：
气体钻井;安全风险;智能识别;少样本学习;卷积神经网络;随钻监测
中图分类号：
作者姓名：
胡万俊;夏文鹤;李永杰;蒋俊;李皋;陈一健
作者机构：
西南石油大学电气信息学院,成都610500;油气藏地质及开发工程国家重点实验室,成都610500;西南石油大学石油与天然气工程学院,成都610500;西南石油大学计算机科学学院,成都610500
文献出处：
引用格式：
[1]胡万俊;夏文鹤;李永杰;蒋俊;李皋;陈一健-.气体钻井随钻安全风险智能识别方法)[J].石油勘探与开发,2022(02):377-384
A类：
随钻监测
B类：
气体钻井,智能识别方法,智能钻井,钻井技术,收集整理,相关性分析法,关联参数,风险数据,样本库,样本数量,两层,神经网络架构,同大,卷积核,核对,卷积运算,监测参数,钻进过程,关联特征,神经网络训练,本类,识别准确率,误差反向传播,全连接神经网络,安全风险特征,快速解决,安全风险识别,少样本学习
AB值：
0.286625
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。
