期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CNN-MultiLSTM的坍塌压力预测方法
1
作者 张鑫 卢运虎 +4 位作者 付兴 谢仁军 周长所 袁俊良 宋杨杰 《石油机械》 北大核心 2025年第2期1-8,共8页
地层坍塌压力的解析模型参数获取烦琐,加之用于机器学习的随机数据可解释性差,严重影响了钻前预测精度。为此,基于已钻井波阻抗分布规律,生成海量的虚拟井波阻抗数据;利用褶积理论和地层坍塌压力模型计算得到虚拟井的合成地震记录和坍... 地层坍塌压力的解析模型参数获取烦琐,加之用于机器学习的随机数据可解释性差,严重影响了钻前预测精度。为此,基于已钻井波阻抗分布规律,生成海量的虚拟井波阻抗数据;利用褶积理论和地层坍塌压力模型计算得到虚拟井的合成地震记录和坍塌压力数据,建立基于CNN-MultiLSTM神经网络的坍塌压力钻前预测模型。研究结果表明:基于已钻井数据生成海量虚拟井训练数据的方法,有效提升了常规随机生成训练数据的可解释性;基于正交试验对神经元个数、学习率、迭代次数等超参数优化后的新模型在训练集和验证集的均方根误差均小于0.1,性能优于随机森林等传统训练模型;对B-8井的坍塌压力(当量密度)的预测值与解析解的绝对误差小于0.02 g/cm^(3),相对误差小于1.635%;井径测井和电成像测井结果显示,预测结果与实钻情形较为一致。研究结果有效提升了利用地震数据预测坍塌压力的预测精度,对推广机器学习方法在石油工程领域的应用具有积极作用。 展开更多
关键词 坍塌压力 井壁稳定 钻前预测 深度学习 cnn-multilstm神经网络 训练模型 正交试验
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部