• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《油气地质与采收率》 >基于深度学习的油井工况智能诊断技术研究及应用

基于深度学习的油井工况智能诊断技术研究及应用

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

及时准确地掌握油井的工况,对于油田安全高效生产和提高采收率具有重要意义。随着油田信息化建设的不断深入,示功图等油井生产动态监测数据实现了实时采集,并积累了海量数据,亟待进一步挖掘利用。基于“大数据+深度学习”的新一代人工智能技术,有望突破现有技术的局限,引领油井工况诊断技术升级。为此,依托4000余万组涵盖不同油藏类型油井的历史动态监测数据,制备了涵盖5大类37种工况类型的油井工况诊断样本集,在此基础上,选择卷积神经网络算法,个性化设计了面向油井工况诊断问题的卷积神经网络(OWDNet),包含26层5900余万个可学习参数。使用油井工况诊断样本集对OWDNet进行训练,10轮次后,训练准确率达99.7%,验证准确率达98.9%。利用开发的油井工况智能诊断系统,在现场完成500余万次工况诊断,准确率达90%,报警推送及时,借助该系统开展油井生产管控更加合理高效,油井工况持续改善,连续稳定生产井比例由68%上升到88%,为油田大数据的高价值应用提供了有益示范。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号