[發明專利]基于神經網絡融合技術的鉆井井漏類型診斷方法有效
| 申請號： | 201410268625.6 | 申請日： | 2014-06-16 |
| 公開（公告）號： | CN104121014B | 公開（公告）日： | 2017-05-31 |
| 發明（設計）人： | 李建;劉麗艷;李嘉迪;王兵;肖斌;蔡汶君;梁大川 | 申請（專利權）人： | 西南石油大學 |
| 主分類號： | E21B47/10 | 分類號： | E21B47/10 |
| 代理公司： | 成都金英專利代理事務所(普通合伙)51218 | 代理人： | 袁英 |
| 地址： | 610500 四*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 神經網絡 融合 技術 鉆井 類型 診斷 方法 | ||
1.基于神經網絡融合技術的鉆井井漏類型診斷方法，其特征在于：它包括以下步驟：
S1：確定融合神經網絡結構、建立井漏類型診斷參數空間：
① 確定融合神經網絡結構的步驟包括：
S11：選擇融合神經網絡結構：選定所需融合的神經網絡，確定各個神經網絡的輸入節點數、輸出節點數、隱含層節點數；
S12：網絡訓練：采集大量樣本對所選定的各個神經網絡進行訓練，達到預設精度后保存網絡；
S13：檢驗網絡：對保存后的各個神經網絡進行檢驗，使用未參與網絡訓練的數據進行仿真；
② 建立井漏類型診斷參數空間：采集參數構成參數空間，確定需要采集的井漏影響因素；
S2：數據預處理：對采集的參數進行歸一化處理，所述的歸一化處理是將有量綱的數據轉換為無量綱的數據，使得輸入數據都成為純量，從而達到減小不同量綱給網絡的輸出造成的影響；將該預處理后的參數空間內的參數作為神經網絡的輸入參數；
S3：將歸一化處理后的數據分別輸入各個神經網絡，保存各個神經網絡輸出的輸出值；
S4：運用多種神經網絡融合算法將各個神經網絡的輸出值進行數據融合，得出最終井漏類型診斷結果；
所述的神經網絡為BP網絡，所述的多種神經網絡融合算法為證據理論數據融合法；
該融合算法的具體實現過程如下：
S401、根據設定好的神經網絡參數，建立兩個不同結構的BP神經網絡模型NN1和NN2；
S402、將獲取的神經網絡參數初始數據進行歸一化處理，其處理后的數據作為BP神經網絡的輸入值；
S403、將歸一化處理后的數據輸入神經網絡，分別運用兩個不同結構的BP神經網絡模型NN1和NN2進行訓練，達到預設精度要求后，保存其各自的連接權值；
S404、利用S403中保存的連接權值對需要診斷的數據進行診斷，將其診斷結果的輸出值及訓練誤差作為D-S證據理論合成的證據，運用D-S證據理論合成法則進行數據融合，得到最終的診斷結果。
2.根據權利要求1所述的基于神經網絡融合技術的鉆井井漏類型診斷方法，其特征在于：所述的歸一化處理包括線性函數處理、對數函數處理、反正切函數處理。
3.根據權利要求1所述的基于神經網絡融合技術的鉆井井漏類型診斷方法，其特征在于：所述的未參與網絡訓練的數據必須包括井漏事故發生與否以及發生的各種類型。
4.根據權利要求1所述的基于神經網絡融合技術的鉆井井漏類型診斷方法，其特征在于：所述的參數包括鉆井液密度，鉆井液靜切力，鉆井液粘度，下鉆速度，鉆具外徑，井深，井眼直徑，鉆井液排量，漏失通道性質，泵壓，立管壓力，套管壓力，地層孔隙壓力。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西南石油大學，未經西南石油大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201410268625.6/1.html，轉載請聲明來源鉆瓜專利網。
