-
公开(公告)号:CN110807557B
公开(公告)日:2024-10-15
申请号:CN201911075820.6
申请日:2019-11-06
Applicant: 中法渤海地质服务有限公司
IPC: G06Q10/04 , G06Q50/02 , G06N3/0499
Abstract: 本发明公开一种基于BP神经网络的钻速预测方法,采集钻井工具的扭矩、钻压、泵压和排量,并基于BP神经网络预测钻速,具体包括步骤1:按照采样周期,通过传感器测量钻井工具的扭矩Nm、钻压Pm、泵压Pb和排量Qm参数;步骤2:依次将参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4};其中x1为钻井工具的扭矩系数、x2为钻压系数、x3为泵压系数、x4为排量系数;步骤3:所述输入层向量映射到中间层;步骤4:得到输出层向量o={o1};o1为钻速预测系数;步骤5:预测钻井工具的钻速为:#imgabs0#其中,#imgabs1#为第i次采样周期输出层向量的钻速预测系数,ωm_max为钻井工具的最大钻速,ωm(i+1)为第i+1个采样周期时钻井工具的预测钻速。本发明公开一种基于BP神经网络以及粒子群算法的钻速优化方法。
-
公开(公告)号:CN110807557A
公开(公告)日:2020-02-18
申请号:CN201911075820.6
申请日:2019-11-06
Applicant: 中法渤海地质服务有限公司
Abstract: 本发明公开一种基于BP神经网络的钻速预测方法,采集钻井工具的扭矩、钻压、泵压和排量,并基于BP神经网络预测钻速,具体包括步骤1:按照采样周期,通过传感器测量钻井工具的扭矩Nm、钻压Pm、泵压Pb和排量Qm参数;步骤2:依次将参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4};其中x1为钻井工具的扭矩系数、x2为钻压系数、x3为泵压系数、x4为排量系数;步骤3:所述输入层向量映射到中间层;步骤4:得到输出层向量o={o1};o1为钻速预测系数;步骤5:预测钻井工具的钻速为: 其中,为第i次采样周期输出层向量的钻速预测系数,ωm_max为钻井工具的最大钻速,ωm(i+1)为第i+1个采样周期时钻井工具的预测钻速。本发明公开一种基于BP神经网络以及粒子群算法的钻速优化方法。
-
公开(公告)号:CN106649181A
公开(公告)日:2017-05-10
申请号:CN201610866244.7
申请日:2016-09-29
Applicant: 中法渤海地质服务有限公司
IPC: G06F13/42
Abstract: 本发明公开了一种用于钻完井现场同时集成WITS数据和WITSML数据的方法,包括:步骤一、采用socket通讯和串口通讯两种方式,采集WITS数据源;采用SOAP协议以XML流的方式采集WITSML数据源;步骤二、存储WITSML标准数据的表按照WITSML标准的各种对象为主表,对象节点为字段,对象的子节点递归建立子表,以树形结构建立数据库表存储数据;WITSML中Log对象表增加一个数据表名称字段,对应WITS数据表名称,Log对象子节点表LogCurveinfo表增加一个对应本Log对象数据表的字段名称,使WITS和WITSML建立对应关系;步骤三、将井数据库中数据按照WITSML对象组织成WITSML数据流,以统一的WTISML标准格式将井场数据库的数据无缝同步到基地服务器,并同时分享到各服务商和用户。
-
公开(公告)号:CN106649181B
公开(公告)日:2019-09-13
申请号:CN201610866244.7
申请日:2016-09-29
Applicant: 中法渤海地质服务有限公司
IPC: G06F13/42
Abstract: 本发明公开了一种用于钻完井现场同时集成WITS数据和WITSML数据的方法,包括:步骤一、采用socket通讯和串口通讯两种方式,采集WITS数据源;采用SOAP协议以XML流的方式采集WITSML数据源;步骤二、存储WITSML标准数据的表按照WITSML标准的各种对象为主表,对象节点为字段,对象的子节点递归建立子表,以树形结构建立数据库表存储数据;WITSML中Log对象表增加一个数据表名称字段,对应WITS数据表名称,Log对象子节点表LogCurveinfo表增加一个对应本Log对象数据表的字段名称,使WITS和WITSML建立对应关系;步骤三、将井数据库中数据按照WITSML对象组织成WITSML数据流,以统一的WTISML标准格式将井场数据库的数据无缝同步到基地服务器,并同时分享到各服务商和用户。
-
公开(公告)号:CN116266277A
公开(公告)日:2023-06-20
申请号:CN202310249028.8
申请日:2023-03-15
Applicant: 中法渤海地质服务有限公司
Abstract: 本发明公开了一种溢流自动识别与预警方法,其特征在于,包括:获取待预测是否将会发生溢流的目标井临近井钻井数据;利用获得的历史数据训练LSTM网络模型;使用贝叶斯网络对模型超参数进行优化;利用训练出的模型预测出未来的钻井序列数据;使用朴素贝叶斯模型,结合预测的钻井序列数据,预测待预测目标井是否将会发生溢流。优点:长短期记忆网络算法(LSTM)属于CNN循环神经网络的一种,相比机器学习和传统神经网络可以避免模型发生梯度消失和梯度爆炸,而且具有长短期记忆的功能,实现溢流关键特征参数的预测。与其他使用长短期记忆网络算法的方法相比,不是直接预测是否发生溢流,而是分两步。
-
-
-
-
-