為預警頁巖氣壓裂施工過程中砂堵事故,降低壓裂施工成本,提出一種基于深度學習的壓裂砂堵事故早期預警方法。首先,在分析壓裂施工參數(shù)特征工程和數(shù)據(jù)基礎上,采用長短時記憶神經(jīng)網(wǎng)絡（LSTM）算法,并引入編碼-解碼器結構,建立多變量時間序列預測模型;然后,利用該模型的綜合壓力參數(shù)及其他與壓力參數(shù)相關性強的施工參數(shù),挖掘、分析時間序列數(shù)據(jù)中隱含的信息;最后,以某段頁巖氣壓裂數(shù)據(jù)為實際算例,比較LSTM和自回歸移動平均（ARIMA）模型的預測結果。研究結果表明:與傳統(tǒng)預測模型相比,LSTM網(wǎng)絡模型能更準確地預測壓裂施工曲線的變化趨勢,預測精度提高21.75%;相比于人工判別傳統(tǒng)預測模型,LSTM網(wǎng)絡模型預測時間得到大幅提前。 

【文章來源】：中國安全科學學報. 2020,30(09)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 LSTM基本理論
2 頁巖氣大規(guī)模壓裂及壓裂砂堵事故
3 LSTM網(wǎng)絡壓裂砂堵預測模型
4 案例分析
    4.1 數(shù)據(jù)準備
    4.2 模型預測
    4.3 結果分析
5 結論


【參考文獻】：
期刊論文
[1]基于長短期記憶網(wǎng)絡的鉆前測井曲線預測方法[J]. 王俊,曹俊興,劉哲哿,周欣,雷學.  成都理工大學學報(自然科學版). 2020(02)
[2]高速鐵路列車晚點時間實時預測的神經(jīng)網(wǎng)絡模型[J]. 黃平,文超,李忠燦,楊宇翔,彭其淵.  中國安全科學學報. 2019(S1)
[3]壓裂酸化施工遠程指揮系統(tǒng)應用[J]. 陳璟,李沛軒.  物聯(lián)網(wǎng)技術. 2018(10)
[4]基于CNN-LSTM的QAR數(shù)據(jù)特征提取與預測[J]. 張鵬,楊濤,劉亞楠,樊志勇,段照斌.  計算機應用研究. 2019(10)
[5]基于時間序列分析的負荷預測方法的比較研究[J]. 蔣增林,葉江明,陳昊.  南京工程學院學報(自然科學版). 2018(02)
[6]基于LSTM循環(huán)神經(jīng)網(wǎng)絡的故障時間序列預測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學學報. 2018(04)
[7]斜率反轉法在杭錦旗區(qū)塊壓裂施工中的應用[J]. 張宇,張永春,李月麗.  天然氣勘探與開發(fā). 2017(02)
[8]頁巖氣壓裂技術現(xiàn)狀及發(fā)展方向[J]. 劉廣峰,王文舉,李雪嬌,潘少杰,白耀星.  斷塊油氣田. 2016(02)
[9]中國頁巖氣特征、挑戰(zhàn)及前景(二)[J]. 鄒才能,董大忠,王玉滿,李新景,黃金亮,王淑芳,管全中,張晨晨,王紅巖,劉洪林,拜文華,梁峰,吝文,趙群,劉德勛,楊智,梁萍萍,孫莎莎,邱振.  石油勘探與開發(fā). 2016(02)
[10]預測水力壓裂井砂堵的新方法[J]. 何智慧,馬新仿,熊廷松,郭子義,王怡.  科學技術與工程. 2014(08)



本文編號：3195991