摘要
本发明公开了一种基于物理特征融合的定向井示功图预测动液面方法,依次包括如下步骤:步骤1:采集定向井中有杆泵抽油井的历史数据,形成数据集;步骤2:定向井井斜特征简化与提取;步骤3:构建用于智能识别示功图特征点的卷积神经网络模型;步骤4:训练与验证卷积神经网络模型并智能识别示功图特征点;步骤5:构建定向井预测动液面神经网络模型;步骤6:训练与验证定向井预测动液面神经网络模型;步骤7:用验证好的最优模型预测现场定向井的动液面。本发明的预测动液面方法考虑井斜因素的综合影响,实现应用生产信息化大量实时功图,实时计算定向井动液面,为油井生产动态分析提供实时动液面数据。
技术关键词
定向井
卷积神经网络模型
深度学习架构
物理
特征点
数据
油井示功图
地面示功图
Adam算法
训练集
载荷
下杆
柱塞
优化器
混合液
参数
样本
学习方法
密度
系统为您推荐了相关专利信息
卷积神经网络模型
预算方法
卫星影像数据
注意力机制
影像获取模块
机器学习模型
数据分析方法
电磁
数据分析系统
测试设备
人机交互界面
碰撞检测系统
碰撞检测方法
多人协同设计
物理