基于随机森林的不可靠数据化工过程故障诊断方法

针对化工过程的监测数据存在数据缺失、漂移和卡死等不可靠现象可能严重影响故障诊断的准确性问题,提出了一种基于随机森林(RF)的故障诊断方法。利用训练集对RF分类器进行训练和调优,得到最优的RF分类器模型,确定决策树数量和随机属性个数,最后将存在不可靠变量的测试集数据输入RF分类器模型,利用随机森林方法的强抗干扰能力,实现对存在不可靠数据的化工过程进行诊断。将该方法应用到田纳西-伊斯曼(TE)过程的故障诊断,并与反向传播神经网络(BPNN)、径向基函数神经网络(RBFNN)和深度信念网络(DBN)方法相比,结果表明,基于RF的故障诊断方法能在数据不可靠的条件下,更加有效地检测并识别故障类型,在实际工业环境的应用中具有一定的优越性。     

数据驱动型层间多次波预测方法研究

采用表面相关的多次波预测算法（SRME）时,对于层间多次波,是将表面接收到的波场利用基准面重建或CFP算子延拓到产生层间多次波的界面,然后利用SRME方法预测,该方法的缺陷是需要知道产生多次波层界面以上的速度模型。而数据驱动型层间多次波预测（IMP）算法是将层间多次波分解为三个波场分量,即无层间多次波的一次反射波,产生层间多次波界面的一次反射波,及该层界面以下的总反射,此三个波场通过互相关和褶积即可预测出层间多次波。第二个分量和第三个分量均可通过简单的切除得到,第一个分量可通过类似于SRME的基于最小平方能量准则的自适应迭代算法得到,其初始值与第三个分量相同,因此该方法是完全数据驱动的。模型数据试验表明,该方法可有效地预测层间多次波。     

最大熵谱分析技术在大安油田J南区块小层划分与对比中的应用

在松辽盆地南部大安油田J南区块扶杨地层对比与划分的研究中,常规测井曲线分层标志不明显。为提高小层划分和对比的准确性,以高分辨率层序地层学理论为基础,利用最大熵谱分析技术,对自然伽马曲线进行最大熵谱分析(INPEFA)处理。INPEFA曲线能够显示通常在原始测井曲线中无法显示的趋势和模式,提高了层序地层划分的纵向分辨率,清楚地识别出研究区泉四段和泉三段顶底界面及各油组界面。通过连井对比,将扶杨油层划分为1个长期基准面旋回,6个中期基准面旋回和21个短期基准面旋回,建立了扶杨油层短期旋回级别的高分辨率等时地层格架,为储集层综合评价和精细三维地质建模方法的选取及模型的精度提供了地质依据。     

基于机器学习的火山岩岩性智能识别及预测

针对准噶尔盆地金龙2井区佳木河组火山岩油气藏岩性多变,常规方法难以准确识别的问题,利用机器学习中的决策树、随机森林、梯度提升树、贝叶斯4种算法对研究区岩性进行智能识别,在分析研究区火山岩储层地质特点的基础上,结合不同岩性测井响应特征,确定M、N等8个对火山岩岩性极为敏感的特征参数。研究结果表明：随机森林法模型最优,准确率达到90%以上,模型泛化能力最强,可作为利用常规测井曲线识别火山岩岩性的有效方法。该模型可以高精度地进行火山岩岩性识别及预测,为后续火山岩油藏的勘探与开发奠定基础。     

基于随机森林算法的环焊缝质量不合格性分析预测

油气长输管道环焊缝一直以来是管道的薄弱环节,容易发生失效。根据环焊缝开挖数据,对大量环焊缝相关数据进行了预处理,并采用机器学习中的随机森林方法对主要因素进行了分析,建立了环焊缝质量不合格性预测模型,并通过不同算法模型进行了验证。结果表明,构建的模型可以实现环焊缝质量不合格预测。对环焊缝的数据分析和机器学习模型的构建,可以提高环焊缝开挖准确率,节省开挖费用,为后续开挖和修复工作提供技术支持。     

基于-次波逆时理论的层间多次波衰减方法

针对层间多次波与-次波的动校正速度差异较小,应用基于动校速度差异的常规方法无法将层间多次波彻底去除的难题,本文对基于波动理论的层间多次波预测相减方法进行了研究。通过对地震数据进行-定的前期处理,选定某-地层,并沿该层面进行褶积运算,预测与其相关的所有层间多次波;然后应用传统的最小二乘自适应相减算法,压制层间多次波。模拟数据的测试结果验证了方法的有效性。     

基于数据驱动的油井生产参数智能调控方法

（目的意义）为解决抽油机井动液面传统人工测试方法劳动强度大、测试频次低、测试成本高等问题,（方法过程）文章利用皮尔逊相关系数分析方法,分析了29项抽油机井自动采集特征参量与实测动液面的相关性,确定了13项主控特征参量;应用XGBoost、LightGBM及BP神经网络等机器学习方法,分别创建了抽油机井动液面预测模型,通过对三种模型输入13项主控特征参量,评价了三种模型的动液面预测结果,发现单一预测模型无法适应全部抽油机井,因此建立了基于上述三种预测模型的变权重组合模型。（结果现象）长庆油田现场多轮次应用显示：与传统人工测试方法对比,平均相对误差在5%以内,测试效率提升15万倍以上,劳动强度降低90%以上,测试频次高出相似文献   

基于区块链的智能油气田数据生态建设方法

智能油气田数据生态建设是目前油气田生产企业开展智能化运营与管理的核心任务,而区块链技术能为数据生态建设的数据质量控制问题、关联与存储问题、安全与共享问题等提供新的解决方法.通过对区块链技术在智能油气田数据生态建设中的应用要点进行研究,提出了可信、可靠、共享与安全的智能油气田数据生态建设思路.基于区块链技术开展智能油气田...     

基于扩散滤波方法的小断层识别技术

扩散滤波技术是-种能保留倾角和地层接触关系反射信息的滤波方法,去噪功能强,有利于提取表征岩相的地震地貌信息。据涠洲A油田开发证实,小断层解释的准确性是增产的关键问题。文中通过对该区地震资料进行扩散滤波处理,然后采用倾角、方位角控制进行相干计算,最后通过沿层切片分析了小断层的平面展布规律,重点对流三段含油储层范围内的小断层进行了解释,解释结果与实际钻井的油水关系、压力等资料相吻合。     

陕甘宁盆地东缘上马家沟组五段一亚段小层划分及与盆内地层的对比

下奥陶统上马家沟组五段一工段是陕甘宁盆地的主力气层，进一步的细分及与盆内井下地层的对比．关系到储层非均质性地质模型的正确建立。以山西兴县关家崖露头剖面的研究为基础，选择Ｋ１石膏假晶层、Ｋ２凝灰岩层为主要标志层，ａ、ｂ、ｃ三个大套碳酸盐岩中的泥质岩为辅助标志层，将马五段一工段分为四个小层。四个小层的分界线在化学元素曲线上与尖峰值相对应，并分别构成不同的粘土矿物组合：马五层富高岭石，不合绿泥石，少含伊利石；马五层伊利石、高岭石较丰，基本不含绿泥石；马五层基本不含粘土矿物；马五层高岭石、伊利石和绿泥石三者兼备。这种四分的标志和特征，在盆内井下亦有其踪迹和明显的反映，可以作为小层划分、对比的依据和标志。     

基于随机森林算法的泥页岩孔隙度预测

准确、快速地获取泥页岩孔隙度对页岩油空间分布及勘探目标预测具有重要意义。针对利用测井响应方程预测孔隙度精度较低的问题,建立一种基于随机森林算法的孔隙度预测模型,与BP 神经网络、支持向量机和XGBoost 算法进行预测精度对比,并利用SHAP 方法分析测井参数的重要性和影响范围。研究结果表明：随机森林算法可以很好地预测泥页岩孔隙度,且预测效果好于BP 神经网络、支持向量机和XGBoost 算法;基于随机森林算法的泥页岩孔隙度预测在渤海湾盆地某凹陷应用发现,对模型预测孔隙度最重要的前3 项测井参数为补偿中子、自然伽马和普通视电阻率;基于随机森林算法的泥页岩孔隙度预测模型可以快速识别单井孔隙度,不仅可以弥补因无法连续取心而难以获取完整孔隙度分布特征的问题,还能大幅提高孔隙度预测效率与精度。     

基于XGBoost 算法的吸水剖面预测方法研究与应用

胜利海上埕岛油田22F井区地质情况复杂,储层平面和纵向非均质性严重,制约了油田的注水开发效率。准确把握油藏各层间的注水情况是进行油藏治理的重要前提,对于编制合理的注水开发方案也具有重要的指导意义。提出一种基于数据驱动的吸水剖面预测方法,利用Extreme Gradient Boosting(XGBoost)算法建立吸水剖面预测模型,根据油藏的地质参数和动态生产资料预测各注水井在整个开发时段内的吸水剖面演化规律,从而为合理生产配置和注采方案调整提供高质量的基础数据。在埕岛油田22F井区的应用结果表明,基于XGBoost算法建立的吸水剖面预测方法能够实现吸水剖面的准确反演和预测,平均相对误差为0.04,决定系数为0.87,均方根误差为3.12。与KH劈分方法相比,模型预测值与实际吸水量的吻合度更高,更能反映油藏的实际吸水情况,为油田的精细分层注水和智能开发夯实了基础,提供了技术支撑。     

川西深井井下复杂情况及故障预防与处理

由于溢流数据样本量稀缺、不同钻井工况及溢流后不同时期钻井参数响应规律差异等因素,现有溢流检测方法鲁棒性差,难以应用于钻井全过程。为此,基于随机森林算法（random forest,RF）建立了钻井工况智能识别模型,结合物理模型消除钻井工况对溢流特征参数的影响;提取并融合特征参数趋势值,构建溢流风险指数（kick risk index,KRI）自适应计算方法,形成了基于工程参数变化趋势的溢流早期智能检测方法。3口井的溢流数据验证结果表明,钻井工况智能识别模型的准确率为96.5%,相比人工坐岗预警,平均预警提前时间为8.3 min。研究表明,该方法适用于钻井全过程溢流检测和部分特征参数测量失效的场景,对于保障钻井安全、缩短钻井周期具有一定的指导作用。

     

智能物探技术的过去、现在与未来

通过梳理国内外人工智能技术在地球物理勘探（物探）领域中的发展历程、主要研究进展以及发展方向,总结了智能物探的优势和面临的难题,并提出了解决方案。研究结果表明：①物探技术在人工智能发展的第2次浪潮中开始与人工智能技术相结合,得益于物探领域数据量的指数级增长、硬件算力的高速发展以及不断出现的新深度学习框架,智能物探技术从早期的机器学习发展为目前的深度学习,在地震资料处理、解释等方面的应用中取得了大量研究成果。②目前智能物探技术被广泛应用于标签集的构建、去噪、断裂检测、层位与层序解释、地震相分类和异常体检测、岩性识别与油气藏开发、地震反演成像等方面,大幅提高了工作效率,降低了工作成本,克服了人工交互操作和人工经验的主观性和不可靠性,助力打破传统物探技术瓶颈。③智能物探技术的发展面临着缺少公开的标签数据集、缺少解决地球物理领域问题的智能化框架及尚未形成适用于地球物理领域共享的智能化开发平台等难题,可以从解决数据基础、构建智能平台、开展网络架构基础性研究及与应用场景结合等方面着手解决;此外,智能物探技术的发展方向还包含智能地震成像方法研究,储层成像方法研究,油气大数据挖掘、智能风险评估与智能决策以及超算软件装备研发等方面。     

一种变时窗地震波形分类技术及其应用

传统的地震波形分类方法大都是以等时窗内地震道波形相似性来划分地震相,不能准确反映储层与地震波形的对应关系.提出了一种变时窗地震波形分类技术,将时间域不等长地震信号变换到频率域,并在频率域插值成等长地震信号,运用频率域波形聚类算法进行地震相划分,从而实现了变时窗地震波形分类.将该技术应用到渤海JZ油田的地震相划分,验证了变时窗地震波形分类技术的正确性和可行性,为应用三维地震资料研究沉积相提供了一种有效手段.     

VBA和EXCEL函数结合编程在数据处理中的应用

为了降低重复性的数据操作,提高工作效率,引入利用VBA和EXCEL函数来进行编程。系统的介绍了利用VBA和EXCEL的函数如何来进行编程,指出通过WorksheetFunction对象引用Excel函数是实现动态滑动窗口的关键。通过对数据进行平滑滤波和中值滤波的分析对比得出利用Excel的函数来进行编程可提高程序的可读性,降低程序的复杂性。充分利用EXCEL具有非常强大的图像文字显示功能,可对VBA和EXCEL函数结合编程对数据的处理结果能够得到更好的分析,对从事地质和地球物理研究的人具有非常重要的意义。     

基于SVM和D-S证据理论的早期溢流智能识别方法

传统钻井作业中,钻井工况主要通过基于机理模型与人工判断的方法进行识别,无法保证钻井工况识别的实时性与精准度。为此,采用近年来热门的人工智能算法,将井深与钻头位置的差、钻头位置、井深、大钩高度、大钩载荷、转速、钻压、扭矩、排量共9项钻井参数作为输入特征项,训练调优并建立了基于双向长短期记忆循环神经网络和条件随机场的钻井工况智能识别模型,对复合钻进、滑动钻进、上提开泵划眼、下放开泵划眼、静止、坐卡、原地循环等共计20种钻机动态进行实时智能识别,训练集、测试集的正确率分别为96.49%、97.23%。该模型的成功建立,验证了人工智能算法的优越性,为人工智能算法在钻井工程领域的后续应用提供了丰富经验。

     

基于特征变量扩展的含气饱和度随机森林预测方法

采用数据驱动的方式,提出了一种基于随机森林机器学习算法训练出含气饱和度地震预测方法,并将该方法应用于中国西部复杂天然气藏中,分别对单井资料和二维地震资料进行了含气饱和度预测与分析。研究结果表明：①抽取井旁道纵波速度、横波速度和密度3个弹性参数叠前地震反演结果作为基本特征变量样本,引入边界合成少数类过采样技术对基本特征变量样本和对应的含气饱和度样本进行平衡化处理;利用扩展弹性阻抗结合数学变换自动生成一系列的扩展变量;再利用随机森林对特征变量进行含气饱和度预测重要性排名,并优选重要性较高的特征变量进行含气饱和度随机森林训练。②该方法大幅减少了特征变量提取和优选的人工工作量,且有效减少了信息冗余以及因含气饱和度样本不平衡导致的训练偏倚问题,有效增强了随机森林算法在含气饱和度地震预测方面的能力。③实际单井应用中预测的含气饱和度与测井解释的含气饱和度的相关系数可达0.985 5;在二维地震资料应用中,该方法比基于常规未平衡化的11个弹性参数作为随机森林输入预测出的含气饱和度精度更高。