【摘 要】
：
随着油田进入开发的中后期,地质条件越来越复杂,油水井发生套管损坏的频率也越来越高,严重制约了油田的开发效益。因此,对套管的生产状态进行实时预报,有助于及时采取预防措施,对维持油田的正常生产具有重要的工程意义。套损问题影响因素多、机理复杂,而传统的套损预测方法多是面向地质、工程等静态数据建立力学模型,难以及时反映油水井生产环境的变化。因此,本文首先面向生产动态数据建模,对比了多个常用分类模型在套损预
论文部分内容阅读
随着油田进入开发的中后期,地质条件越来越复杂,油水井发生套管损坏的频率也越来越高,严重制约了油田的开发效益。因此,对套管的生产状态进行实时预报,有助于及时采取预防措施,对维持油田的正常生产具有重要的工程意义。套损问题影响因素多、机理复杂,而传统的套损预测方法多是面向地质、工程等静态数据建立力学模型,难以及时反映油水井生产环境的变化。因此,本文首先面向生产动态数据建模,对比了多个常用分类模型在套损预测上的性能。然后针对套损样本的不均衡分布问题,从改进Adaboost算法和集成学习的角度提出了两种改进方法。最后根据未套损井的预测结果,提出了一种基于K-means聚类算法的预警规则,从而量化套损并可视化。以S油田A断块为实验对象,研究结果表明:改进的Adaboost模型在油水井套损数据中都表现最优,优化后的水井模型召回率达到87.0%,优化后的油井模型召回率达到90.6%。套损预警的可视化能有效指导油田对生产井的套管状态进行实时监控,为油田套损预测研究提供了新的思路,具有较好的应用前景。
其他文献
人工智能的日渐发展无论在经济领域还是社会生活方面都展现了很大的应用价值。基于深度学习的目标检测算法之所以能够取得卓越的表现效果,是因为采用的深度卷积网络模型,得益于它大量的网络参数以及复杂的网络结构。但由此也带来了两方面的问题,一是运算量巨大,造成模型推理速度的降低,较难满足目标检测任务的实时和落地需求;二是大量的网络参数导致模型大小突增,导致需要更大的空间进行模型存储。而这些问题恰恰使得目标检测
深度学习是人工智能领域里的一个重要分支,依赖着大批量的数据,数据集的质量及大小更是直接影响模型性能的关键。卷积神经网络（CNN）在计算机视觉任务中取得了巨大突破,尤其是大规模训练带注释的数据集。但是,获得如此大的X射线数据集以用于公共场所（例如机场,火车站等）的违禁品检测,对于信息安全尤其是一些罕见的违禁品而言,并不是一件容易的事。针对违禁品图像检测中因数据集小而造成检测模型效果不佳的问题,提出基
在化工系统的运行过程中,系统的操作条件以及系统参数会发生改变,应用控制策略可以实现系统的在线控制,以使系统在投入使用中满足操作和控制要求。换热网络是典型的慢时变过程,其结垢热阻以及操作条件会随着运行时间逐渐变化,为了满足其操作要求,往往会在换热网络系统的设计中预留一定裕量,裕量设计可以增加在控制过程中的可操作性,但裕量的大小与过程系统的经济性相关。设计裕量过大会导致系统前期的投资费用大幅升高,裕量
在实际工业过程控制中,被控对象一般为多变量非线性系统,在其内部必然存在一定程度的耦合,且输入输出特性与工作点有关。考虑控制安全可靠的要求,工业过程的底层控制系统主要采用分散常规PID控制,应用于多变量非线性系统有一定的难度。本文以非线性静态环节与线性动态环节连接的Hammerstein多变量非线性系统为研究对象,分别采用神经网络和描述函数处理非线性相对增益阵,解决Hammerstein非线性系统的
研究电机控制方法,提高转速控制精度,是提高钻井轨迹导向机器人系统导向控制精度的关键。提高系统的导向精度可以提高石油开采效率,降低开采成本,对我国的能源安全具有重要的战略意义。本文选择结构简单,控制精准的永磁同步电机作为系统动力设备,并选择转矩脉动较小的矢量控制策略作为其控制策略。本文对永磁同步电机的结构和矢量控制的原理进行介绍,并建立了永磁同步电机矢量控制的数学模型。由于矢量控制速度环和电流环使用
目前,国内控压钻井技术和装备与国外相比,无论是在装备研制,或是在控制性能及精度上仍然存在较大差距,而且在控制方法上多是采用传统PID控制算法,正在大力发展的先进控制方法在控压钻井控制方面应用还比较少。因此,本文基于西门子PCS7设计了一套控压钻井装备操作软件,设计了自动控制系统,可以对控压钻井的过程进行实时监控操作。基于控压钻井压力控制方法及井口回压调节的研究,对节流阀压力控制使用先进控制算法仿真
多视图数据通常定义为由不同表示组成的综合型表示数据。多视图数据处理过程中的两个关键因素分别是一致性特性和互补性特性,基于这两个特性使得多视图学习可以更全面地覆盖数据样本的所有特征。然而,大多数针对多视图数据的算法只能针对单视图进行处理并忽略了这两个特性。为了更加完善地利用多视图数据间的各种信息,衍生了许多新兴算法用于处理各个视图中的特征数据。多视图子空间学习方法通过对所有视图数据的多个子空间或隐空
PID控制算法容易实现、鲁棒性强,至今仍是一种应用最为广泛的控制算法。PID控制器在工业现场运行的时候,由于外界条件的改变或被控对象本身发生变动,都会使得过程控制发生变化,造成PID控制参数不再适用于当前被控对象,控制效果变差,需要重新整定PID控制参数。因此,本文研究了PID控制参数的在线自整定方法,使PID控制器具有自整定功能,在被控对象动态特性变化时,能够在线自动调整PID参数以适应新的工况
大数据处理与云的结合是一种必然。大数据处理需要强大的计算能力与存储空间,而云端资源的可动态调配正好满足了这一需求。云端的资源优势,可为大数据处理提供适宜的平台。然而,大数据与云结合的应用场景需要解决数据隐私保护的难题。开放的云环境不仅需要面对来自内外的安全威胁与挑战,半可信和诚实但好奇的云服务（honest-but-curious）更加剧了问题的难度。如何找到一种处理办法,既能够有效地保证大数据处
无线预取技术由于显著减少了内容请求延迟和网络拥塞而受到了广泛的关注。现有的预取方案,大多数方案都考虑了弱移动性、无规律性网络拓扑和随机漫游的场景,与轨道交通的应用场景并不一致。在本文中,我们研究了在C-RAN架构下的轨道交通场景中的预取问题。针对轨道交通场景中的线状拓扑网络、固定的移动特征、相对稳定的人员和有限计算力环境,以平均访问延迟最小化为目标,设计基于按路径逐基带单元（Base-Band U