摘要
本发明提供了一种钻井工程钻速预测网络训练方法及应用方法,属于钻井工程优化技术领域,其训练方法包括:对获取的钻井施工数据进行数据筛选得到有效施工数据,对有效施工数据进行变分模态分解算法降噪得到降噪数据,对降噪数据进行机理模型预测得到机理预测钻速,将降噪数据和机理预测钻速合并得到钻速预测训练数据;将钻速预测训练数据输入初始钻井工程钻速预测网络,基于粒子群优化算法对初始钻井工程钻速预测网络的网络参数进行迭代优化,得到训练完备的钻井工程钻速预测网络。本发明通过变分模态分解算法进行数据降噪,并结合钻井的机理模型,可以有效挖掘数据特征,提高模型准确性,通过粒子群优化算法降低训练过程的计算量,提高训练效率。
技术关键词
钻井工程
网络训练方法
变分模态分解算法
粒子群优化算法
网络应用方法
数据
斯皮尔曼相关系数
参数
变量
处理器
位置更新
可读存储介质
存储器
电子设备
计算机
速度
系统为您推荐了相关专利信息
资源调度方法
数据预测模型
资源调度模型
LSTM模型
粒子群优化算法
智能调度系统
评分预测模型
发电设备
电网运行数据
储能设备
斜拉索索力
识别方法
频率
非暂态计算机可读存储介质
频谱分析模块
参数辨识方法
群体智能算法
仿真数据
参数辨识装置
仿真分析