申请/专利权人：辽宁石油化工大学

申请日：2023-08-10

公开（公告）日：2023-12-05

公开（公告）号：CN117171700A

主分类号：G06F18/25

分类号：G06F18/25;E21B47/00;G06F18/15;G06F18/2135;G06F18/214;G06N3/044;G06N3/0442;G06N3/045;G06N3/0464;G06N3/048;G06N3/049;G06N3/096;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.22#实质审查的生效;2023.12.05#公开

摘要：本发明公开了一种基于深度学习的钻井溢流预测组合模型及模型适时静默更新与迁移学习方法，包括数据预处理与模型训练部分、组合模型的构建与适时静默更新部分、溢流预测与可视化部分、模型迁移学习部分。本发明训练四种经过改进的基于深度学习的优化模型，并使用新样本数据对其分别进行预测验证，使用优势矩阵法根据预测效果进行分权融合为组合模型，结合分类预测模型对待预测样本数据进行溢流预测；使用基于定时器‑触发器和多线程技术的组合模型适时静默更新方法，实现了溢流的持久、稳定、准确预测；使用迁移学习方法实现模型的“一次训练，多井使用”效果，在使用大量数据充分训练后，经过微调和其他井的少量数据训练即可快速部署应用。

主权项：1.一种基于深度学习的钻井溢流预测组合模型及模型适时静默更新与迁移学习方法，其特征在于，包括以下几部分：数据预处理与模型训练部分：首先对原始录井数据进行数据预处理操作，再使用此处理后的录井数据分别训练IPSO改进粒子群算法优化的基于注意力机制的卷积循环神经网络模型IPSO-1DCNN-LSTM-2DAttention、IPSO改进粒子群算法优化的基于注意力机制时序卷积长短期记忆网络模型IPSO-TCN-LSTM-2DAttention、IPSO改进粒子群算法优化的基于注意力机制卷积长短期记忆网络LSTM模型IPSO-ConvLSTM-2DAttention、IPSO改进粒子群算法优化的二维多通道非异构卷积神经网络模型IPSO-2DCRNN这四个基于深度学习的优化模型；组合模型的构建与适时静默更新部分：此部分主要是基于优势矩阵法对上述四种优化模型进行决策和融合，依据各自优势即四种优化模型各自的预测结果的平均绝对误差值MAE大小来构建组合模型，并实现一个定时器每隔指定时间自动计算组合模型的预测值和现场的录井数据对应真实值之间的平均绝对误差值MAE的大小，最后根据此MAE值是否达到指定阈值来判定是否触发执行组合模型适时静默更新操作；溢流预测与可视化部分：使用改进粒子群算法优化的BP神经网络模型IPSO-BP在上述组合模型的回归预测结果基础上进行溢流分类预测，并将组合模型的回归预测结果和IPSO-BP分类模型的溢流预测结果进行可视化展示；模型迁移学习部分：基于迁移学习的策略，将上述组合模型和分类模型经过微调后应用于临近井或其他油田井的溢流预测。

全文数据：

权利要求：

百度查询： 辽宁石油化工大学 一种基于深度学习的钻井溢流预测组合模型及模型适时静默更新与迁移学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD