摘要
本发明提供一种基于物理信息神经网络的地面示功图计算泵示功图的方法,涉及石油生产技术领域。该方法首先处理有杆抽油机井悬点处位移数据与载荷数据,将悬点处位移函数与载荷函数设置为描述抽油杆柱波动的一维带阻尼的波动方程的边界条件;并将有量纲的一维带阻尼的波动方程转换成无量纲的一维带阻尼的波动方程;然后确定物理信息神经网络模型的结构,根据无量纲的一维带阻尼的波动方程构建物理约束,确定物理信息神经网络模型的总损失函数;最后,训练物理信息神经网络模型,得到物理信息神经网络的模型参数,由训练好的物理信息神经网络模型输出抽油泵柱塞处的位移和载荷,经过变量替换后生成泵示功图。
技术关键词
神经网络模型
地面示功图
泵示功图
带阻尼
物理
抽油泵柱塞
方程
载荷
抽油杆柱
数据
变量
有杆抽油机
参数
修正偏差
多项式
节点
插值方法
坐标
传播算法
系统为您推荐了相关专利信息
对象
神经网络模型
信号编码器
信号处理方法
计算机存储介质
深度强化学习
避障方法
神经网络模型
小车
3D点云数据
实时监测方法
神经网络模型
蓄电池
模型更新
参数
空域滤波器
干扰消除方法
神经网络模型
时延
生成前导码序列
点击特征
工作量评估装置
大数据
OCR识别技术
神经网络模型