基于新型粒子群算法的泵送射孔井口压力预测方法研究

泵送射孔施工广泛应用于页岩气储层水力压裂技术中,但目前缺少有关泵送射孔井口压力计算的研究。基于间隙流的伯努利方程,提出了泵送摩阻模型,结合沿程摩阻和射孔摩阻建立泵送射孔井口压力数学模型,采用新型粒子群算法与最小二乘法,建立基于射孔炮眼特征及裂缝压力的泵送射孔井口压力自动拟合方法,并通过分析某井连续4段泵送射孔施工数据进行方法验证。研究发现,提出的井口压力历史拟合方法的拟合均方误差为1.29,摩阻模型计算得到泵送射孔时炮眼摩阻、沿程摩阻与泵送摩阻比例约为17∶3∶1;泵送射孔与压裂施工结束时间间隔长时,裂缝压力、流量系数及炮眼开启数量降低,炮眼摩阻、泵送压力增加。提出的方法可以有效预测泵送射孔时的井口压力,同时泵送射孔与压裂施工间隔时间长时,井下裂缝已闭合,而时间间隔短时井下裂缝仍然开启。因此,为避免射孔泵送过程中,闭合裂缝突然张开导致的压力突降,推荐压裂后立即进行泵送射孔施工。建立的泵送射孔井口压力模型可以为泵送施工提供更准确的压力预测,对指导泵送射孔施工具有重要意义。

基于BEMD和KELM的路面病害检测算法

受外界环境以及道路材料本身影响,路面会出现破损。尽管裂缝是路面破损的首要表现形式,但是其他类型病害仍然占重要比重。针对传统路面病害检测算法对常见线性裂缝分类准确度较高但对车辙、松散等复杂病害识别效果一般且适应性较差的问题,提出一种基于二维经验模态分解(BEMD)与核极限学习机(KELM)相结合的复杂路面病害识别方法。该方法首先采用二维经验模态分解对路面病害图像进行筛分,然后结合主成分分析法对分解后得到的固有模态分量进行降维,最后将上述得到的新特征输入到核极限学习机中进行训练。实验结果表明该算法对复杂病害有较高的识别率,其中松散病害识别率为95.6%,车辙病害识别率为92.1%,坑洼病害识别率为96.9%,网状裂缝识别率为97.3%,与传统脉冲耦合卷积神经网络相比,该算法提高了约9.85%。