基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测

• 作者: 宋先知 朱硕 李根生 曾义金 郭慧娟 胡志坚
• 来源期刊: 中国石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 大钩载荷 转盘扭矩 BP神经网络 长短期记忆神经网络 人工智能
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 石油钻采工程|PETROLEUM DRILLING AND PRODUCTION ENGINEERING
• 页码范围: 76-84
• 页数: 9页
• 分类号: TE21
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5005.2022.02.007

摘要

考虑影响钩载、扭矩的因素复杂多样及钻井过程的时序性特点,优选BP神经网络和长短期记忆神经网络,设计双输入网络架构,建立大钩载荷与转盘扭矩智能预测模型.该模型同时考虑影响钩载、扭矩的多种复杂参数以及钩载、扭矩等时序数据随时间变化的趋势和前后关联,通过时序性数据和非时序性数据共同预测大钩载荷与转盘扭矩.利用国内某油田钻井现场数据进行大钩载荷与转盘扭矩的预测,均方根误差分别为39.05 kN和1.6274 kN·m,平均相对误差分别为1.202％和9.038％.