一种基于生成式对抗网络的测井数据补全方法

    公开(公告)号:CN114998114A

    公开(公告)日:2022-09-02

    申请号:CN202210445911.X

    申请日:2022-04-26

    Abstract: 本发明提出了一种基于生成式对抗网络的测井数据补全方法,涉及测井技术领域,包括:获取原始测井数据,并对原始测井数据进行数据平滑处理;对数据平滑处理后的原始测井数据进行数据标准化处理以得到样本数据;对样本数据进行数据切片操作以得到样本矩阵;基于样本矩阵进行掩码操作生成掩码矩阵;建立生成式对抗网络模型,基于样本矩阵和掩码矩阵,同时结合生成式对抗网络模型进行测井数据补全模型训练;利用测井数据补全模型训练好的生成式对抗网络模型补全原始测井数据中的缺失值;本发明减小了测井噪声数据对数据补全结果的影响,所补全的测井数据不仅符合原始测井数据的数据分布情况,还尽可能的与当前原始测井数据本身相似。

    一种基于贝叶斯优化及自编码器的测井数据补全方法

    公开(公告)号:CN114996625A

    公开(公告)日:2022-09-02

    申请号:CN202210446083.1

    申请日:2022-04-26

    Abstract: 本发明提出了一种基于贝叶斯优化及自编码器的测井数据补全方法,涉及测井技术领域,包括:获取原始测井数据,所述原始测井数据包括缺失测井数据和未缺失测井数据;对缺失的原始测井数据进行数据预处理;基于数据预处理后的未缺失测井数据进行训练以得到自编码器;对数据预处理后的缺失测井数据进行数据填充以得到多个完整的数据集;将数据集中的填充数据输入自编码器计算重构损失以构成样本点;基于样本点建立高斯过程模型;根据高斯过程模型计算采集函数极值点;基于采集函数极值点更新样本空间;基于更新后的样本空间填充最优缺失值并输出完整测井数据;本发明通过贝叶斯优化调整缺失值,可以动态更新并获取最佳填充的缺失值来补全测井数据。

    基于长短期记忆网络与注意力机制的井筒积液预测方法

    公开(公告)号:CN114384886B

    公开(公告)日:2022-08-05

    申请号:CN202210291624.8

    申请日:2022-03-24

    Abstract: 本发明提供了一种基于长短期记忆网络与注意力机制的井筒积液预测方法,属于预测井筒积液技术领域,该方法包括:对井筒积液原始高频数据进行降维处理;构建同比环比预测器,分别挖掘较长时间跨度特征及当日特征,并利用同比环比预测器对经降维后的数据进行预测得到同比环比预测器的输出值;利用序列离散度过滤器和阈值过滤器对所述同比环比预测器的输出值和井筒积液实时数据值进行判断,完成对井筒积液的预测。本发明解决了气井实际生产过程中井筒积液难以判断,SCADA系统中的数据无法有效利用的问题。

    一种基于深度异常检测的井筒积液检测方法

    公开(公告)号:CN114358215A

    公开(公告)日:2022-04-15

    申请号:CN202210267347.7

    申请日:2022-03-18

    Abstract: 本发明公开了一种基于深度异常检测的井筒积液检测方法,其首先获取SCADA生产高频数据并对其进行降维;然后将降维后的SCADA生产高频数据与A2数据和地质参数数据进行特征融合;其次利用中融合后的特征进行数据建模并进行训练,计算预测误差;最后,根据得到的预测误差计算动态阈值,并根据动态阈值判断井筒是否积液。本方案使用SCADA秒级数据作为特征,使得模型不仅仅只关注天与天之间的数据波动,也考虑到天内数据波动情况,能捕捉到更加细微的数据变化。且实验结果也证明,天内数据波动情况更能反映具体的生产实际情况,在对SCADA高频数据的处理上采用先降维的方法,更好地去服务模型的数据建模,也避免了维灾难的出现。

Patent Agency Ranking