期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
钻柱摩阻扭矩智能预测模型与解释
被引量:
1
1
作者
刘慕臣
宋先知
+5 位作者
李大钰
朱硕
付利
祝兆鹏
张诚恺
潘涛
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2023年第9期89-99,共11页
钻井管柱力学的准确表征和动态分析是保证安全高效钻井的关键。现有经典的钻井管柱摩阻扭矩软杆/刚杆模型中,钻柱摩阻系数通过经验估算或钻后反演来确定,其准确性和时效性有待提升。本研究基于人工智能技术在复杂非线性映射问题中的有效...
钻井管柱力学的准确表征和动态分析是保证安全高效钻井的关键。现有经典的钻井管柱摩阻扭矩软杆/刚杆模型中,钻柱摩阻系数通过经验估算或钻后反演来确定,其准确性和时效性有待提升。本研究基于人工智能技术在复杂非线性映射问题中的有效性,通过预测摩阻系数建立机理-数据融合的钻柱摩阻扭矩预测方法。首先利用已钻录井数据和软杆模型反演摩阻系数,为摩阻系数智能预测提供数据基础,通过对74口井数据处理和特征量化分析,建立考虑数据序列特征的LSTM(Long Short-Term Memory)网络,并通过摩阻扭矩预测和SHAP(SHapley Additive exPlanation)可解释性分析验证模型合理性。结果表明:摩阻系数预测误差为5.89%,摩阻扭矩预测误差降低了4.41%,模型表征的输入特征与摩阻系数的映射关系符合管柱力学机理,具备较强稳定性和可解释性。该方法可为钻井管柱力学的准确表征与动态分析提供理论与技术支撑。
展开更多
关键词
智能预测
钻柱摩阻扭矩
摩阻系数
机理数据融合
可解释性
深度学习
下载PDF
职称材料
基于双输入序列到序列模型的井眼轨迹实时智能预测方法
被引量:
2
2
作者
李臻
宋先知
+4 位作者
李根生
张洪宁
祝兆鹏
王正
刘慕臣
《石油钻采工艺》
CAS
北大核心
2023年第4期393-403,共11页
准确预测井眼轨迹是井眼轨迹控制的基础,对提高钻井效率极为重要,但影响井眼轨迹变化的因素众多,且井下力学行为复杂,使井眼轨迹难以准确预测,为此,提出了一种双输入序列到序列模型(Di-S2S)。该模型考虑了钻压、钻速等时序特征以及钻进...
准确预测井眼轨迹是井眼轨迹控制的基础,对提高钻井效率极为重要,但影响井眼轨迹变化的因素众多,且井下力学行为复杂,使井眼轨迹难以准确预测,为此,提出了一种双输入序列到序列模型(Di-S2S)。该模型考虑了钻压、钻速等时序特征以及钻进方式、地层分层、钻具组合等非时序特征,应用自然语言处理方法对非时序特征进行了数值化和降维表征,基于增量训练建立了模型动态更新机制。使用12口井数据进行了模型训练与验证,并与LSTM和BP模型进行了对比,结果显示,井斜角平均绝对误差分别较LSTM和BP模型降低49%和8%,方位角平均绝对误差分别较LSTM和BP模型降低了49%和24%。动态更新模型的井斜角和方位角平均绝对误差较离线模型分别降低了61%和67%,均低于0.2°,表明该模型精度较高,具备实时预测能力,可为导向钻井提供一定技术支撑。
展开更多
关键词
人工智能
井眼轨迹
实时预测
序列到序列模型
时序特征
非时序特征
下载PDF
职称材料
数据拓展和增量更新的井底压力实时预测方法
被引量:
2
3
作者
祝兆鹏
张瑞
+4 位作者
宋先知
李根生
郭勇
刘慕臣
周德涛
《石油机械》
北大核心
2023年第6期1-10,共10页
针对复杂井段数据难获取,静态预测模型难适应复杂井下条件的问题,提出利用智能方法实时预测波动的井底压力。基于生成对抗网络,扩充了井下单一的随钻数据空间,突破了井底有效测压数据量少的问题,建立了数据增强下的井底压力预测模型。...
针对复杂井段数据难获取,静态预测模型难适应复杂井下条件的问题,提出利用智能方法实时预测波动的井底压力。基于生成对抗网络,扩充了井下单一的随钻数据空间,突破了井底有效测压数据量少的问题,建立了数据增强下的井底压力预测模型。为有效提升模型对工况变化的自适应能力和迁移性能,在增量更新数据的条件下,分段训练多个长短时记忆网络(LSTM)模型,基于迁移集成学习实现预测模型的实时更新。最后利用混合注意力机制实现智能预测模型的可解释分析。试验结果表明,经过数据拓展训练的模型在精度和稳定性上均显著优于之前,增量更新实时预测的方法大幅提高了模型的泛化能力和现场应用的时效性,模型平均相对误差仅为0.12%。可解释分析表明,井底压力具有较强的短期自相关性和井口回压具有波动的传递特性。研究结果可为实现深层钻井井底压力精准高效预测和智能模型的可解释性提供理论指导。
展开更多
关键词
井底压力
生成对抗网络
数据拓展
增量更新
迁移集成学习
可解释分析
下载PDF
职称材料
题名
钻柱摩阻扭矩智能预测模型与解释
被引量:
1
1
作者
刘慕臣
宋先知
李大钰
朱硕
付利
祝兆鹏
张诚恺
潘涛
机构
中国石油大学(北京)人工智能学院
中国石油大学(北京)石油工程学院
油气资源与工程全国重点实验室
中石油江汉机械研究所有限公司
中国石油集团工程技术研究院有限公司
中国石油大学(北京)机械与储运工程学院
出处
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2023年第9期89-99,共11页
基金
国家重点研发计划项目(2019YFA0708300X)
NSFC国家杰出青年科学基金项目(52125401)
+1 种基金
中国石油天然气集团有限公司−中国石油大学(北京)战略合作科技专项项目(ZLZX2020-03)
中国石油科技创新基金项目(2022DQ02-0308)。
文摘
钻井管柱力学的准确表征和动态分析是保证安全高效钻井的关键。现有经典的钻井管柱摩阻扭矩软杆/刚杆模型中,钻柱摩阻系数通过经验估算或钻后反演来确定,其准确性和时效性有待提升。本研究基于人工智能技术在复杂非线性映射问题中的有效性,通过预测摩阻系数建立机理-数据融合的钻柱摩阻扭矩预测方法。首先利用已钻录井数据和软杆模型反演摩阻系数,为摩阻系数智能预测提供数据基础,通过对74口井数据处理和特征量化分析,建立考虑数据序列特征的LSTM(Long Short-Term Memory)网络,并通过摩阻扭矩预测和SHAP(SHapley Additive exPlanation)可解释性分析验证模型合理性。结果表明:摩阻系数预测误差为5.89%,摩阻扭矩预测误差降低了4.41%,模型表征的输入特征与摩阻系数的映射关系符合管柱力学机理,具备较强稳定性和可解释性。该方法可为钻井管柱力学的准确表征与动态分析提供理论与技术支撑。
关键词
智能预测
钻柱摩阻扭矩
摩阻系数
机理数据融合
可解释性
深度学习
Keywords
intelligent prediction
drag&torque of drill string
friction coefficient
mechanism-data fusion
interpretability
deep learning
分类号
TE21 [石油与天然气工程—油气井工程]
下载PDF
职称材料
题名
基于双输入序列到序列模型的井眼轨迹实时智能预测方法
被引量:
2
2
作者
李臻
宋先知
李根生
张洪宁
祝兆鹏
王正
刘慕臣
机构
中国石油大学(北京)石油工程学院
油气资源与工程全国重点实验室
中国石化石油工程技术研究院
中国石油大学(北京)机械与储运工程学院
出处
《石油钻采工艺》
CAS
北大核心
2023年第4期393-403,共11页
基金
国家重点研发计划项目“变革性技术关键科学问题”(编号:2019YFA0708300)
国家杰出青年科学基金“油气井流体力学与工程”(编号:52125401)。
文摘
准确预测井眼轨迹是井眼轨迹控制的基础,对提高钻井效率极为重要,但影响井眼轨迹变化的因素众多,且井下力学行为复杂,使井眼轨迹难以准确预测,为此,提出了一种双输入序列到序列模型(Di-S2S)。该模型考虑了钻压、钻速等时序特征以及钻进方式、地层分层、钻具组合等非时序特征,应用自然语言处理方法对非时序特征进行了数值化和降维表征,基于增量训练建立了模型动态更新机制。使用12口井数据进行了模型训练与验证,并与LSTM和BP模型进行了对比,结果显示,井斜角平均绝对误差分别较LSTM和BP模型降低49%和8%,方位角平均绝对误差分别较LSTM和BP模型降低了49%和24%。动态更新模型的井斜角和方位角平均绝对误差较离线模型分别降低了61%和67%,均低于0.2°,表明该模型精度较高,具备实时预测能力,可为导向钻井提供一定技术支撑。
关键词
人工智能
井眼轨迹
实时预测
序列到序列模型
时序特征
非时序特征
Keywords
artificial intelligence
well trajectory
real-time prediction
Di-S2S model
time series features
non-time series features
分类号
TE243 [石油与天然气工程—油气井工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
数据拓展和增量更新的井底压力实时预测方法
被引量:
2
3
作者
祝兆鹏
张瑞
宋先知
李根生
郭勇
刘慕臣
周德涛
机构
油气资源与探测国家重点实验室(中国石油大学(北京))
中国石油大学(北京)人工智能学院
中国石油新疆油田分公司工程技术研究院
出处
《石油机械》
北大核心
2023年第6期1-10,共10页
基金
国家重点研发计划项目“变革性技术关键科学问题”“复杂油气智能钻井理论与方法”(2019YFA0708300)
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项“物探、测井钻完井人工智能理论与应用场景关键技术研究”(ZLZX2020-03)
+1 种基金
国家自然科学基金杰出青年基金项目“油气井流体力学与工程”(52125401)
中国石油大学(北京)科学基金项目“深井气候自动压井井底压力自动预测和控制方法”(2462022SZBH002)。
文摘
针对复杂井段数据难获取,静态预测模型难适应复杂井下条件的问题,提出利用智能方法实时预测波动的井底压力。基于生成对抗网络,扩充了井下单一的随钻数据空间,突破了井底有效测压数据量少的问题,建立了数据增强下的井底压力预测模型。为有效提升模型对工况变化的自适应能力和迁移性能,在增量更新数据的条件下,分段训练多个长短时记忆网络(LSTM)模型,基于迁移集成学习实现预测模型的实时更新。最后利用混合注意力机制实现智能预测模型的可解释分析。试验结果表明,经过数据拓展训练的模型在精度和稳定性上均显著优于之前,增量更新实时预测的方法大幅提高了模型的泛化能力和现场应用的时效性,模型平均相对误差仅为0.12%。可解释分析表明,井底压力具有较强的短期自相关性和井口回压具有波动的传递特性。研究结果可为实现深层钻井井底压力精准高效预测和智能模型的可解释性提供理论指导。
关键词
井底压力
生成对抗网络
数据拓展
增量更新
迁移集成学习
可解释分析
Keywords
bottomhole pressure(BHP)
generative adversarial network
data expansion
incremental update
transfer and ensemble learning
interpretable analysis
分类号
TE242 [石油与天然气工程—油气井工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
钻柱摩阻扭矩智能预测模型与解释
刘慕臣
宋先知
李大钰
朱硕
付利
祝兆鹏
张诚恺
潘涛
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
2
基于双输入序列到序列模型的井眼轨迹实时智能预测方法
李臻
宋先知
李根生
张洪宁
祝兆鹏
王正
刘慕臣
《石油钻采工艺》
CAS
北大核心
2023
2
下载PDF
职称材料
3
数据拓展和增量更新的井底压力实时预测方法
祝兆鹏
张瑞
宋先知
李根生
郭勇
刘慕臣
周德涛
《石油机械》
北大核心
2023
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部