科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高油气井钻井过程中溢漏风险识别的准确性,降低风险识别对人为经验的依赖,该文综合利用井下随钻测量数据及地面录井数据,提出了基于长短期记忆网络的钻井溢漏风险智能识别方法。利用C#执行效率高、Python利于建立深度学习模型的优势,基于C#与Python混合编程设计开发了钻井溢漏风险智能识别实验系统软件平台。首先,在Python平台下建立基于长短期记忆网络的溢漏风险识别模型,利用溢漏样本数据对识别模型进行训练,优化确定模型参数;再利用C#语言开发溢漏风险智能识别实验系统软件,通过C#调用在Python平台下训练好的长短期记忆网络模型实现对溢漏风险的智能判别。利用现场实测数据对软件的风险识别性能进行的实验测试结果表明,软件能够准确识别溢流和井漏风险,且与钻井现场采用的泥浆池液面监测法相比时间上有所提前。
- 单位
