摘要
本发明公开了一种人工智能算法识别机采井计产的方法包括:将地面设备数据按冲程周期同步对齐生成多源时序数据;基于上下死点将其分割为多个冲程片段,对每个冲程片段进行力学特征提取和相位角映射构建冲程状态特征,并将其映射到时空特征空间形成冲程状态节点,进而构建冲程演化拓扑图。通过相邻冲程交互和载荷传递聚合计算冲程状态节点的聚合载荷波动幅值,并据此矫正冲程状态特征得到冲程矫正特征。按时间戳排列节点形成冲程演化链,沿链融合各节点的矫正特征生成动态泵效特征。将动态泵效特征输入产量解析模型进行工况解析输出产液量数据。该方法通过拓扑图建模和特征动态融合,提升了机采井产量计算的精度。
技术关键词
多源时序数据
节点
载荷
拓扑图
神经网络模型
幅值
地面设备
邻域
人工智能算法
矫正
序列
动态
抽油机曲柄
抽油机光杆
抽油机电机
基准
周期
系统为您推荐了相关专利信息
点云模型
三维场景重建方法
像素点
多视角
计算机可执行指令
多任务神经网络
预测预警方法
拓扑图
编码模块
融合特征
特征提取模型
长短期记忆网络
高端数控装备
预训练语言模型
多模态