[发明专利]一种基于人工智能的试井解释方法在审
| 申请号： | 201910869000.8 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110598326A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 杨思涵;刘启国 | 申请（专利权）人： | 西南石油大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06F17/14;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610500 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种属于试井分析领域的基于人工智能的试井解释方法；它解决现今试井解释中解释过程繁琐、效率过慢，存在一定的解释误差等问题；其技术方案是：基于滤波去噪对压力导数进行预处理，编写程序处理训练样本，建立基于卷积神经网络的试井解释模型，并且改进遗传算法提高拟合速度和参数拟合准确率，模型通过实验和理论研究调整出最优化的网络结构，识别导数曲线的特征段，结合试井模型的流动段特征和数据趋势，系统智能诊断出模型；本发明基于人工智能进行试井分析，可以自调节、自学习、自联想，优化工作流程、提高工作效率和决策质量，避免主观判断的影响，实现全自动的试井解释。 | ||
| 搜索关键词： | 试井 人工智能 试井分析 预处理 改进遗传算法 卷积神经网络 试井解释模型 编写程序 参数拟合 导数曲线 工作流程 工作效率 理论研究 滤波去噪 数据趋势 网络结构 系统智能 训练样本 压力导数 主观判断 特征段 自学习 最优化 准确率 诊断 流动 优化 决策 | ||
【主权项】：
1.一种基于人工智能的试井解释方法，其特征在于，该方法包括下列步骤：/n导入实测压力数据及产量数据，并基于滤波去噪对压力导数进行预处理，形成一条连续光滑诊断曲线；/n用Tensorflow实现一个完整的卷积神经网络，用这个卷积神经网络来识别手写数字数据集(MNIST)；/n编写程序处理训练样本，建立基于卷积神经网络的试井解释模型；/n改进遗传算法提高拟合速度和参数拟合准确率，模型通过实验和理论研究调整出最优化的网络结构，识别导数曲线的特征段，结合试井模型的流动段特征和数据趋势，系统智能诊断出模型。/n
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西南石油大学，未经西南石油大学许可，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/201910869000.8/，转载请声明来源钻瓜专利网。
- 上一篇：齿轮的三维自动化设计方法
- 下一篇：一种波导绘制方法、系统、存储介质和终端
