CN119514301A 一种井眼轨迹实时智能预测方法 （中国石油天然气股份有限公司）_第1页
CN119514301A 一种井眼轨迹实时智能预测方法 （中国石油天然气股份有限公司）_第2页
CN119514301A 一种井眼轨迹实时智能预测方法 （中国石油天然气股份有限公司）_第3页
CN119514301A 一种井眼轨迹实时智能预测方法 （中国石油天然气股份有限公司）_第4页
CN119514301A 一种井眼轨迹实时智能预测方法 （中国石油天然气股份有限公司）_第5页
已阅读5页，还剩23页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明提供了一种井眼轨迹的实时智能预网络，并对GRU神经网络和BP神经网络进行搜索2步骤S1:基于历史井和正钻井已钻井段的随钻测斜数据和钻录井数据，进行数据预处步骤S2:构建GRU_BP并联神经网络，并对GRU神经网络和步骤S3:利用步骤S1形成的数据集对步骤S2建立的井眼轨迹智能预测模型进行训练，柱螺线法或自然曲线法对随钻测斜数据进行插值填充或平均值填充方法进行填充，对噪音数据采用S_G滤波器或滑动平均滤波降噪算法进a34用历史井和正钻井已钻井段的随钻测斜数据和钻录井数据作为数据集，训练出基础模型，5[0003]当前关于井眼轨迹预测的研究主要集中在几何关系外推和底部钻具组合力学分[0005]针对上述现有技术中存在的问题，本发明提供了一种井眼轨迹实时智能预测方[0007]步骤S1:基于历史井和正钻井已钻井段的随钻测斜数据和钻录井数据，进行数据[0008]步骤S2:构建GRU_BP并联神经网络，并对GRU神经网络和BP神经网络进行搜索寻6[0009]步骤S3:利用步骤S1形成的数据集对步骤S2建立的井眼轨迹智能预测模型进行训7建立基于GRU_BP并联网络的井眼轨迹智能8无需考虑复杂的井下力学作用机制，直接建立影响变量与轨迹参数之间的端到端映射关[0050]图4是本发明一种井眼轨迹实时智能预测方法的基于增量训练的模型动态更新示[0052]图6是本发明一种井眼轨迹实时智能预测方法的井斜角和方位角预测值与实测值9[0061]步骤S1:基于历史井和正钻井已钻井段的随钻测斜数据和钻录井数据，进行数据[0062]步骤S2:构建GRU_BP并联神经网络，并对GRU神经网络和BP神经网络进行搜索寻[0063]步骤S3:利用步骤S1形成的数据集对步骤S2建立的井眼轨迹智能预测模型进行训[0066]步骤S1:基于历史井和正钻井已钻井段的随钻测斜数据和钻录井数据，进行数据[0067]步骤S2:构建GRU_BP并联神经网络，并对GRU神经网络和BP神经网络进行搜索寻[0068]步骤S3:利用步骤S1形成的数据集对步骤S2建立的井眼轨迹智能预测模型进行训[0082]步骤S1:基于历史井和正钻井已钻井段的随钻测斜数据和钻录井数据，进行数据[0083]步骤S2:构建GRU_BP并联神经网络，并对GRU神经网络和BP神经网络进行搜索寻[0084]步骤S3:利用步骤S1形成的数据集对步骤S2建立的井眼轨迹智能预测模型进行训入BP神经网络；将GRU神经网络的最后隐藏层与BP神经网络的最后隐藏层拼接起来进行融[0096]所述步骤S2中，利用正交试验、遗传算法等对GRU神经网络和BP神经网络隐藏层[0101]步骤S2:构建GRU_BP并联神经网络，并对GRU神经网络和BP神经网络进行搜索寻[0114]按照图4过程构建S102模型的动态更新机制。首先使用11口历史井数据训练基础

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论