[发明专利]基于多时间尺度特征和神经网络的钻进过程工况识别方法有效
| 申请号： | 201910232514.2 | 申请日： | 2019-03-26 |
| 公开（公告）号： | CN110110740B | 公开（公告）日： | 2023-01-03 |
| 发明（设计）人： | 曹卫华;黎育朋;吴敏;陈鑫 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06F18/24 | 分类号： | G06F18/24;G06N3/047;G06N3/0499;G06Q50/02 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 方琳 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了基于多时间尺度特征和神经网络的钻进过程工况识别方法，进行钻进过程监测与钻进过程异常工况的识别。通过分析钻进过程异常工况时对应的录井数据随时间的变化情况，利用多时间尺度方法将录井数据分为长时间尺度段数据和短时间尺度段数据；并分别采用最小二乘法和自适应阈值法提取长时缓变特征和短时突变特征；利用概率神经网络方法建立输入为当前时刻录井数据、长时缓变特征和短时突变特征，输出为井漏、钻具掉落、卡钻、超拉和正常五类钻进过程工况类型中的一种的钻进过程工况识别模型。本发明的有益效果是：减少钻进成本，提高钻进过程异常工况的识别速度和识别精度，为地质勘探钻进过程安全性监测与工况识别打下了良好的基础。 | ||
| 搜索关键词： | 基于 多时 尺度 特征 神经网络 钻进 过程 工况 识别 方法 | ||
【主权项】：
1.基于多时间尺度特征和神经网络的钻进过程工况识别方法，其特征在于：包括以下步骤：S1：基于钻进过程异常工况专家经验，分析钻进过程异常工况时对应的录井数据随时间的变化情况，利用多时间尺度方法将录井数据分为长时间尺度段数据和短时间尺度段数据；所述钻进过程异常工况包括：井漏、钻具掉落、卡钻和超拉；S2：采用渐变采样最小二乘法提取长时间尺度段数据的长时缓变特征，利用自适应阈值法提取短时间尺度段数据的短时突变特征；S3：利用概率神经网络方法建立钻进过程工况识别模型；该模型的输入为当前时刻录井数据、长时缓变特征和短时突变特征，输出为井漏、钻具掉落、卡钻、超拉和正常五类钻进过程工况类型中的一种；S4：将实际钻进过程中的某当前时刻录井数据、长时缓变特征和短时突变特征输入到所述钻进过程工况识别模型中，得到某当前的钻进过程工况类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国地质大学（武汉），未经中国地质大学（武汉）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910232514.2/，转载请声明来源钻瓜专利网。
