公开(公告)号：CN115512148A

公开(公告)日：2022-12-23

申请号：CN202110621296.9

申请日：2021-06-03

Applicant: 中国石油大学(华东)

Inventor： 张晓东 ,  王栩颖 ,  张威

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  E21B47/008 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于特征融合的抽油机井检泵周期预测方法，其包括以下步骤：1)采集油田抽油机井完整检泵周期样本数据，将与抽油机井检泵周期相关的数据分为静态数据和动态数据；2)采用相关系数法分别筛选静态数据和动态数据中与抽油机井检泵周期相关性强的参数；3)根据筛选后的参数，建立基于SVR的静态特征提取模型和基于卷积神经网络的动态特征提取模型；4)将提取出的特征进行特征融合；5)将提取出的静态特征和动态特征输入多模态压缩双线性池化模型，进行特征融合；6)通过训练好的模型，对抽油机井检泵周期进行实际预测。本发明可以广泛应用在油田检泵作业指导中。

公开(公告)号：CN112832744A

公开(公告)日：2021-05-25

申请号：CN202110018564.8

申请日：2021-01-07

Applicant: 中国石油大学(华东)

Inventor： 张威 ,  张晓东 ,  王栩颖

IPC: E21B47/008 ,  F04B51/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明设计了一种基于LSTM神经网络的抽油机井检泵周期预测方法，涉及油井检测技术领域。该方法包括获取抽油机井检泵周期样本数据集；通过线性回归对所述样本的多个特征参数进行优选，优选出影响抽油机井检泵周期的多个主控因素；训练基于LSTM神经网络的抽油机井检泵周期预测模型；根据训练好的模型获得检泵周期预测结果。本发明为了解决现有抽油机检泵周期预测模型中根据作业经验选取主控因素，且只考虑特征参数与检泵周期之间的静态关系，忽略了特征参数之间在时间上的连续变化性的问题，通过线性回归对特征参数进行优选，并训练LSTM神经网络进行预测，具有预测检泵周期较为准确的优点。

公开(公告)号：CN113191424A

公开(公告)日：2021-07-30

申请号：CN202110465445.7

申请日：2021-04-28

Applicant: 中国石油大学(华东)

Inventor： 高绍姝 ,  张威 ,  王栩颖

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明设计了一种基于多模型融合的彩色融合图像质量评价方法，涉及图像评价技术领域。该方法包括利用LDA主题模型提取彩色融合图像的颜色整体特征；将彩色融合图像平均分割成小块图像，剔除含有热目标的小块图像；引入记忆色对小块图像的质量进行评价；将小块图像输入卷积神经网络；将颜色整体特征向量连接至卷积层学习到的特征向量后生成新的特征向量代入全连接层进行训练；得到一幅彩色融合图像的所有小块图像的质量分数之后进行平均池化，最终输出此幅彩色融合图像的质量分数。本发明无需大量数据，可以快速准确的评价彩色融合图像质量。

公开(公告)号：CN112836856A

公开(公告)日：2021-05-25

申请号：CN202110018385.4

申请日：2021-01-07

Applicant: 中国石油大学(华东)

Inventor： 王栩颖 ,  张晓东 ,  张威

IPC: G06Q10/04 ,  G06F17/18 ,  G06F16/215 ,  G06N3/08

Abstract: 本发明涉及一种基于多项式回归算法的抽油机水驱井检泵周期预测方法，其包括以下步骤：1)采集油田抽油机水驱井完整检泵周期样本数据，包括油井在该检泵周期内每天的日产液量、含水率、上行电流、下行电流、动液面、泵径、泵深、冲程、冲次、泵效；2)对样本数据进行数据处理，去除原始数据中不完整的、重复的数据，和奇异、错误数据；3)对数据进行归一化处理，生成训练数据；4)根据训练数据，采用多项式回归算法建立回归模型进行训练；5)通过训练好的模型，对抽油机水驱井检泵周期进行实际预测。本发明可以广泛应用在油田检泵作业指导中。