-
公开(公告)号:CN109558967A
公开(公告)日:2019-04-02
申请号:CN201811285474.X
申请日:2018-10-30
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于自我学习机制的油田开发方案优化方法,其特征在于,神经网络油藏模拟模块、蒙特卡洛生产参数模拟模块、RNN结果推断训练模块和预测模块,包括以下步骤:在神经网络油藏模拟模块,通过历史数据训练神经,得到神经网络油藏模拟器步骤;在蒙特卡洛生产参数模拟模块,通过蒙特卡洛搜索树方法,进行生产过程中各种属性的模拟,通过对每一个属性变量模拟出不同的值,得到数万个开采方案;通过历史生产数据对RNN结果推断网络进行训练,得到一个开采方案推断器;将模拟产生的开采方案输入开采方案推断器中,返回最优开采方案。本方法利用神经网络模型去逼近未知的物理的过程,摆脱了油藏数值模拟简化建模公式的束缚,增加了准确率。同时,在训练速度方面得到了很大提高,能够在大量的开发方案中选择最优方案。
-
公开(公告)号:CN109558633A
公开(公告)日:2019-04-02
申请号:CN201811265705.0
申请日:2018-10-29
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于强化学习与对抗生成网络的智能抽油机参数调整方法,采用深度学习以及强化学习相结合的方式。该算法根据采集到的采集各种油井参数(如三相电流、电压、示功图、冲程、冲次、油压、套压、温度、回压等数据),以现有的对抽油机电参数的调整作为专家经验,通过对抗模仿学习,实现抽油机电参数的调整,实现一种实时的、动态的、无人值守的智能抽油机。
-
公开(公告)号:CN112183764A
公开(公告)日:2021-01-05
申请号:CN202011087722.7
申请日:2020-10-12
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于区块链和联邦学习的物联网(IIOT)设备故障检测方法。为了解决IIOT设备故障检测中的数据异构问题,我们提出了一种全新的基于质心距离的加权联邦平均(CDW_FedAvg)算法,该算法考虑了每个边缘节点数据集的正类和负类之间的距离。为了以可伸缩的方式实现客户端数据的可验证完整性,每个客户端服务器定期创建一个Merkle树,其中每个叶节点代表一个客户端数据记录,并将树根存储在区块链上。基于在本地模型训练中使用的客户数据的大小,设计了链上激励机制,以准确和及时地计算每个客户的贡献。该发明基于区块链的联邦学习的物联网故障检测方法,能够有效提升物联网故障检测当中的准确性以及性能,解决数据多源异构的问题,满足生产发展需求。
-
公开(公告)号:CN110705542A
公开(公告)日:2020-01-17
申请号:CN201910303273.6
申请日:2019-04-15
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于HDNet的输电场景下吊车入侵检测机制,该机制利用传统图像几何变换和GAN来对数据集进行生成式数据增强;设计一种新的目标检测网络HDNet,包括吊车候选区域生成子网络HRDNet和吊车目标分类子网络HCNet;采用通道剪枝策略来删除无效节点,实现模型压缩,使之可以在嵌入式平台上平稳运行,提高目标检测的效率,保证输电场景下吊车入侵运作检测的可用性和健壮性。
-
-
-