本發明提供了基于多時間尺度特征和神經網絡的鉆進過程工況識別方法,進行鉆進過程監測與鉆進過程異常工況的識別。通過分析鉆進過程異常工況時對應的錄井數據隨時間的變化情況,利用多時間尺度方法將錄井數據分為長時間尺度段數據和短時間尺度段數據;并分別采用最小二乘法和自適應閾值法提取長時緩變特征和短時突變特征;利用概率神經網絡方法建立輸入為當前時刻錄井數據、長時緩變特征和短時突變特征,輸出為井漏、鉆具掉落、卡鉆、超拉和正常五類鉆進過程工況類型中的一種的鉆進過程工況識別模型。本發明的有益效果是:減少鉆進成本,提高鉆進過程異常工況的識別速度和識別精度,為地質勘探鉆進過程安全性監測與工況識別打下了良好的基礎。
聲明:
“基于多時間尺度特征和神經網絡的鉆進過程工況識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)