基于卷积神经网络的井漏预测

作     者：李昌华 张学龄 杜小芸 郭志阳 LI Changhua;ZHANG Xueing;DU Xiaoyun;GUO Zhiyang

作者机构：长江大学石油工程学院武汉430100 中石化石油工程设计有限公司山东东营257026 油气钻采工程湖北省重点实验室武汉430100 

基　　金：国家自然科学基金项目(11902049) 

出 版 物：《实验室研究与探索》 (Research and Exploration In Laboratory)

年 卷 期：2023年第42卷第5期

页      码：102-106,142页

摘      要：井漏事故给油气勘探开发带来了极大困难。常见判断井漏的方法计算复杂并难以提前预警,而深度学习凭借对数据强大的学习能力为该问题提供了新的解决思路。以新疆某油田为例,基于卷积神经网络结合多数据融合算法建立了井漏预测模型。对井史数据进行统计,筛选出与井漏相关的地质、工程、流体的特征量制作标准数据集;将训练集数据输入模型进行参数优化;利用图像处理算法将测井数据转换为可视化图像,从数据处理、图像识别两个角度理解模型对井漏特征的分析情况。测试集计算结果表明,模型对不同工况下测井数据预测的平均准确率为91.5%,其中井漏前预测准确率为89.2%。模型对井漏的识别与预测具有较高的可靠性,满足现场的工程需求。

主 题 词：卷积神经网络 深度学习 井漏预测 可视化分析 

学科分类：0820[工学-航空航天类] 12[管理学] 082001[082001] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19927/j.cnki.syyt.2023.05.021

馆 藏 号：203123096...