采油井动态液面测量技术研究

针对螺杆泵采油井,提出了一种动态液面的测量方法.在自动触发的短间隔声脉冲回波测量系统中,重点研究了声波信号处理和波形自动识别.分析了测量系统中的噪声规律,设计出相应的滤波器,利用统计方法分析接箍回波时差,得出声波在套管环隙内的传播速度,并自动识别出液面回波,计算出液面深度.最后理论分析了该方法所能达到的测量精度.在参考液面993.77米下,最大误差23.33米.     

基于超声波和云测试的油井液面测试系统研究

针对目前油井液面深度测试系统测量范围小、误差大、稳定性低的缺点,提出了基于声波法测动液面原理,利用时间序列分析技术、新息自适应卡尔曼滤波技术来实时检测回波信号,进而实现对油井液面深度的高精度测量和噪声处理;选用FPGA和云测试技术成功实现了油井液面深度测量系统的远程化和网络化;基于云测试的油井液面远程监测系统目前已在油田生产现场通过测试,测试结果表明,系统稳定,算法实时、高效,动液面深度测量误差小,测量精度高,能满足实际工程应用.     

基于自相关函数的语音端点检测方法

在语音信号的识别、去噪等过程中通常只需对有声段进行处理,并且对语音段和噪声段可能需要采取不同的处理方法。相关函数描述的是随机信号在不同时刻取值的关联程度,由于噪声的随机性,噪声的相关函数和语音的相关函数有很大的不同,利用此不同点可以进行语音的端点检测。基于此提出了自相关函数的语音端点检测方法,并对比了经典的双门限法--基于短时平均能量和短时平均过零率的双门限判决法。实验表明该方法具有较高的准确性,并且在较低信噪比下能取得比短时平均能量和短时平均过零率的判决法更好的效果。     

动液面自动监测系统的研究与现场应用

油井动液面是反映地层供液情况的关键指标之一,也是制定油井生产制度的重要依据。同时,油井动液面的物联化数据采集与智能管理也作为智慧化油田建设工作的核心之一,是油田数字化转型、智能化发展的主要方向,因此,高效准确的动液面数据物联化采集尤为重要。目前,行业内普遍采用回声仪人工现场检测的方法,不仅数据采集周期长,耗费人力物力大,且数据的完整性及准确程度也无法保障。针对现有动液面监测系统存在的局限性,本项目研发推出了一款高精度测量、适应多种井况、结合物联网技术的动液面自动监测系统,并在国内某“三低”油田开展了现场试验,实现了动液面数据的精准采集、传输和计算,证明了该系统具有较高的技术应用和推广价值,为油田智慧化建设提供了支持,为油田安全生产、科学生产提供了保障。     

一种基于改进谱减法的语音增强方法

谱减法是最常用的一种语音增强技术,其特点是计算复杂度低、实时性强、易于实现.谱减法的主要目的是去除语音信号中的噪声干扰,提高语音信号质量.本文在研究基于改进谱减法的基础之上,提出了利用带噪语音的高频区估计噪声谱以及由短时过零率和短时能量组合而成的加权函数去除背景噪声及音乐噪声的语音增强方法.实验表明,这种时频结合的语音增强方法对背景噪声下的语音质量的增强效果明显.     

特定人孤立词的语音识别系统研究

语音识别是让机器自动识别和理解语音信号,并把语音信号转变为相应的文本或命令的技术.通过对特定人孤立词语音特点的研究,在对语音信号进行预处理的过程中,选择过零率与短时平均能量两项指标作为对语音信号端点检测的依据,提取语音线性预测系数,通过计算分析后获得线性预测倒谱系数,作为语音特征参数.选择动态时间规整法为模板匹配算法,...     

不同窗函数对信号短时能量影响分析

本文阐述了经典窗函数在时域及频域中的计算公式。并讲述了短时能量的作用和实际意义。文中对音频信号在不同窗函数截短后短时能量进行对比分析。理论研究及实验结果说明了短时能量能够直接区分音频信号中每个音节的位置,不同窗函数的选取直接影响短时能量值的大小。     

油井动态液面测量系统设计与实现

为及时准确地测量油井液面深度,研制了以C8051F060为核心的油井动态液面测量系统,并配有键盘和液晶显示组成小型操作系统,可实现信号调理、数据采集、图形显示、键盘控制、数据计算及串口通信等功能。介绍了该系统的测量原理、动态液面深度计算及软硬件实现过程。实验证明该系统结构设计合理、使用安全,实验数据满足精度要求。     

基于IBH-LSSVM的混沌时间序列预测及其在抽油井动液面短期预测中的应用

为了提高预测模型的预测精度,模型参数的选取通常转化为目标参数的组合优化问题,但是预测结果经常会受到优化算法参数设置的影响．针对这个问题,本文提出了一种基于改进黑洞算法和最小二乘支持向量机的预测模型,该模型将嵌入维数、 延迟时间、 正则化参数和核函数参数作为组合优化目标,优化算法不需要额外设定任何主观参数．另外,为了防止模型训练的过拟合,采用基于快速留一法的在线校验方法．通过对寻优机制的改进,该模型具有更好的预测效果．将其应用于抽油井动液面的短期预测中,结果表明所提出的预测模型具有一定的实际应用意义．     

高峰期网络流量高精准度预测模型研究

针对当前网络流量预测法是通过监测网络流量历史数据进行预测,存在预测精准度低和流量信息参数自适性差的问题,提出基于多元线性回归分析的高峰期网络流量预测模型。通过BP神经网络法,确定网络流量信息权值,采用滑动窗口算法得到流量序列中对应信息数据,构成新的网络流量序列,得到多元线性回归初始模型;引入最小二乘法对流量信息参数进行估算,得到流量信息的样本回归函数,使用可决系数F检验及统计样本回归函数,完成高峰期网络流量预测模型的构建。实验结果表明,使用该模型可降低误差、提高拟合度、增加能量利用率,为高峰期网络流量预测提供了基础保障。     

CBiA-PSL抽油井异常工况预警模型

油田生产过程中,油井受各种因素的影响容易发生泵漏、管漏等异常工况,会降低油井产出甚至导致躺井,对异常工况预警是油田智能化管理的重要任务.基于CNN-BiGRU联合网络,提出一种改进的网络结构CBiA-PSL模型(CNN BiGRU attention-positive sharing loss),用于油井异常工况预警....     

基于特征融合的抽油机井检泵周期预测

检泵周期是反映抽油机井工作情况的重要指标,准确预测检泵周期对提高油井产能和经济效益具有重要意义。针对油田检泵周期预测准确率低等问题,提出一种基于特征融合抽油机井检泵周期预测方法。该方法引入SVR提取油田数据的静态特征,利用卷积神经网络学习油田数据的动态特征,引入多模态压缩双线性池化对静态特征和动态特征进行融合,利用判别模型训练融合特征实现检泵周期的准确预测。实验结果验证了该模型的有效性和可行性。     

语义导向多尺度多视图深度估计算法

目前利用深度学习进行多视图深度估计的方法可以根据卷积类型可以大致分为两类.其中,基于2D卷积网络的模型预测计算速度快,但预测精度较低;基于3D卷积网络的模型预测精度高,却存在高硬件消耗.同时,多视图中相机外部参数的变化使得模型无法在物体边缘、遮挡或纹理较弱区域生成高精度预测结果.针对上述问题,提出了基于3D卷积的语义导...     

基于PSO-ELM模型的潜油柱塞泵冲次优化方法

为改进油井后期泵效低下、能耗高等缺陷，提出了一种基于PSO-ELM模型的潜油柱塞泵冲次优化方法.采用粒子群（PSO）算法与极限学习机（ELM）相结合的方式来实现动液面软测量建模；根据动液面及潜油柱塞泵工作电流变化，以油井运行经济性最优为目的建立目标函数得到潜油柱塞泵冲次，解决了在油井生产时不能准确调节抽油机冲次问题；最后以目标函数关系建立模糊控制器模型，根据输入参数调整潜油柱塞泵冲次.实验结果表明，建立的软测量模型预测动液面精度高，模糊控制器能够更加合理地调整抽油机冲次，最终达到智能调整冲次大小、提高油井采油率及节能的目的.     

基于多任务模型的深度预测算法研究

图像的深度值预测是计算机视觉和机器人领域中的一个热门的研究课题.深度图的构建是三维重建的重要前提,传统方法主要依靠确定固定点深度进行人工标注或是根据相机的位置变化来进行双目定位预测深度,但这类方法一方面费时费力,另一方面也受到相机位置、定位方式、分布概率性等因素的限制,准确率很难得到保证,从而导致预测的深度图难以完成后...     

Comparison of the ParTrack mud/cuttings release model with field data

The oil industry promotes the development of numerical models for prediction of impacts from their discharges to sea. A model for the simulation of the spreading and deposition of drilling mud and cuttings on the sea floor as well as the spreading of chemicals (and small-sized particles) in the water column has been developed. The simulation is based on a Lagrangian ‘particle’ approach, which means that the properties of the discharge are represented by moving ‘particles’ in the model domain. The initialization of the particles is based on the output from an Eulerian near field underwater plume model. In addition, the model applies external current fields for the horizontal advection of the particles.This paper presents a comparison between simulated and measured concentrations of barium (barite) in surface contaminated sediment in the vicinity of an oil production field. As a part of the regular surveillance of oil production sites on the Norwegian Continental Shelf, the barium content in surface sediments is measured. These data might therefore serve as an opportunity for comparing simulation results with measured depositions of barium (barite) on the sea floor.The paper explains details in the comparison made between the measured barium concentrations in the sediment and the simulated deposition on the sea floor from the drilling of three exploration wells and 18 production wells off the west coast of Norway.     

污水处理过程COD指标集成软测量模型

针对污水处理过程中水质参数COD指标难以在线检测的问题,提出一种基于分布式改进BP神经网络和灰色预测的COD指标集成软测量模型。为反映污水处理过程的不同工况,采用满意聚类算法对数据样本进行聚类处理,将数据样本划分为若干个子样本集,利用改进BP神经网络方法分别为每个子样本集建立预测模型,计算当前输入数据与各个聚类中心的欧式距离,将欧式距离较小的部分预测模型的输出进行综合,得到分布式神经网络的COD指标预估值;为反映COD指标的时间相关性,基于COD指标历史数据采用改进灰色预测建模方法计算得到当前时刻COD指标的预估值;采用动态加权方法将获得两个COD指标预估值进行加权集成。仿真实验表明,集成软测量模型具有较好的预测性能,可以满足污水处理过程COD指标实时检测的精度要求。     

Applications of data analysis techniques for oil production prediction

This paper describes two data analysis techniques adopted in a Decision Support System (DSS) that aids users in predicting oil production of an infill well. The system generates predictions in the form of a possible range of cumulative production and length of production life of an infill well. The system also shows the worst and best case scenarios based on different production curves so that the expert can examine the plots of predicted production rates for each existing well and decide which model gives the best fit. The production curve of each individual well was mathematically modeled so that production values beyond the historical data can be produced. Decline curve estimation and neural network approaches were adopted for data analysis in the system. The system was tested with data from two groups of wells from two different fields in Saskatchewan, Canada. Observations on the suitable duration that the historical data set should cover and a comparison among different curve estimation and neural network models are presented.     

一种锂电池SOH估计的KNN-马尔科夫修正策略

锂离子电池的健康状态(State of health,SOH)是决定电池使用寿命的关键因素.由于锂电池生产工艺、工作环境和使用习惯等的差异性导致其衰退特性具有较大差异,因此锂电池SOH难以精确估算.本文采用数据驱动的方式通过对采集的电压数据进行特征提取,使用贝叶斯正则化神经网络对锂电池SOH进行预测,同时引入KNN-马...