首页> 中文期刊> 《实验室研究与探索》 >基于卷积神经网络的井漏预测

基于卷积神经网络的井漏预测

         

摘要

井漏事故给油气勘探开发带来了极大困难。常见判断井漏的方法计算复杂并难以提前预警,而深度学习凭借对数据强大的学习能力为该问题提供了新的解决思路。以新疆某油田为例,基于卷积神经网络结合多数据融合算法建立了井漏预测模型。对井史数据进行统计,筛选出与井漏相关的地质、工程、流体的特征量制作标准数据集;将训练集数据输入模型进行参数优化;利用图像处理算法将测井数据转换为可视化图像,从数据处理、图像识别两个角度理解模型对井漏特征的分析情况。测试集计算结果表明,模型对不同工况下测井数据预测的平均准确率为91.5%,其中井漏前预测准确率为89.2%。模型对井漏的识别与预测具有较高的可靠性,满足现场的工程需求。

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