油井工况智能监测与风险防控技术研究

• 作者: 王勇
• 来源期刊: 河南科学
• 关键词: 风险防范 生产工况 深度学习 卷积神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 化学研究与工业技术
• 页码范围: 63-68
• 页数: 6页
• 分类号: TE358
• 语种: 中文
• DOI: 10.3969/j.issn.1004-3918.2020.01.011

摘要

为了实现油井工况的自动评估与智能管理,达到防范风险的目标,基于深度学习技术建立了油井工况智能监测与风险防控方法.将实际油田数万条示功图数据整理为卷积神经网络模型的训练集,并基于该训练集,利用监督误差反向传播算法对基于卷积神经网络模型的示功图识别模型进行了训练和测试.结果表明,基于深度学习技术的示功图识别模型的准确度达到95％以上.研究成果应用于国内某油田,采油系统效率总体提升2.67％,工况合格率提升11％,防范风险成功率提高60％.研究成果为同类油田提供了一定的技术借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	北京交通大学国家经济安全研究院	35	394	11.0	18.0