不平衡样本集随机森林岩性预测方法

使用基于有监督机器学习分类器的岩性预测方法时,如果样本集中 目标岩性样本过少,而非目标岩性样本过多,在这种不平衡样本集上训练分类器会使预测结果向非 目标岩性偏倚,导致目标岩性的预测准确率较低.为了解决这一问题,提出一种针对不平衡样本集的随机森林岩性预测方法.首先,以录井岩性数据作为岩性样本标签,以井旁道地震属性和岩石弹...     

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。     

基于改进的随机森林算法的井曲线填补研究及应用

测井数据是描述油气藏信息的重要途径,但实际勘探中测井曲线往往失真或缺失,其复原问题一直都是油气勘探领域的研究热点和难点。传统的随机森林算法主要受n＿estimators(决策树的个数)和max＿depth(树的最大埋深)这两个参数控制,在实际填补测井数据中并不能很好地训练出理想的模型。本文基于遗传算法(Genetic Algorithm, GA)提出了一种改进的随机森林算法(IRFA)用于测井曲线复原,即用GA来优化随机森林模型参数,进而提高缺失曲线复原的准确性和稳定性。实验结果表明,与传统的随机森林、BP神经网络以及长短期记忆神经网络(LSTM)相比,本文方法模型适应性及泛化能力更好,复原结果精度高且更为稳定。     

一种基于随机森林算法的探明储量预测新方法

传统的哈伯特模型、翁氏模型等预测方法主要采用一元多项式拟合储量增长趋势,无法解决多变量对储量预测的影响,使得预测结果与客观实际存在较大差距。文章基于随机森林机器学习模型,建立了一种预测累计探明储量增长趋势的新方法。该方法通过相关性分析找出影响探明储量增长的可量化指标,从而确定模型训练中的输入属性,以同类盆地油田年度累计探明储量为评价单元,建立随机森林机器学习样本数据集,通过调整决策树个数和单个决策树的最大特征数,对模型进行优化训练,从而建立累计探明储量预测模型,成功解决了多因素叠加下储量非线性增长预测的难题。该方法在东部断陷盆地油田年度累计探明储量预测中应用成效显著,预测模型拟合的准确率达到88.19%,具有巨大的推广应用价值。     

基于数据融合技术的钻井过程故障诊断

提出一种基于数据融合技术的钻井过程故障诊断方法.系统采用三层结构,特征层利用BP神经网络对单个测点的多个钻井参数进行故障模式识别;决策层利用D-S证据理论对多个测点的初步识别结果进行融合,得到证据融合决策诊断结果,提高了系统决策的准确性和合理性,使诊断系统适用于多变量、多参数、多过程的复杂钻井过程系统.     

化工过程故障诊断的回顾与展望

化工行业是国民经济的支柱产业,石油化工行业与人们的生活密切相关。化工行业虽然改善了人们的生活,但是同时也为人们的生活带来了不安全的因素。因此,多种措施被用于降低事故发生的概率和发生事故后影响程度,保证化工生产的安全进行。故障诊断是提高化工安全性的手段之一,通过对故障诊断方法进行梳理和回顾,总结故障诊断在实际工业应用困难的原因,并指出未来发展需要解决问题,推进故障诊断的实际应用。     

基于数据驱动和循环滑动时窗的小层智能划分方法

老油田开发井数多、纵向上多套层系发育、油水关系复杂,地层对比人工解释工作量大、多解性强。常规大数据研究思路将多条测井曲线和分层样本标签通过选定的一种机器学习方法一次性建立样本预测模型,该方法预测模型精度低、收敛困难。针对性地提出了一种基于数据驱动和循环滑动时窗的小层智能划分方法,优选对地质分层敏感的测井曲线作为特征参数,为丰富样本库采取“窗口对点”的循环滑动时窗方法多次进行样本数据采集,通过优化不同机器学习方法的超参数,得到最佳训练模型,使用该模型对小层智能划分结果进行预测。分析结果表明,滑动时窗长度为20、步长为2时进行样本采集,基于随机森林方法构建的小层智能划分模型预测准确率达88.4%,优于常规一次性建模预测方法,取得最优的测试效果。     

基于随机森林的导管架海洋平台结构模型修正方法

提出一种基于随机森林的有限元模型修正方法,能够快速、准确地给出导管架海洋平台结构模型的修正参数。选定平台不同的设计参数,对设计参数和基频进行Pearson相关性分析,得到与基频相关系数较大的参数,并重新设计试验参数获得基频。通过随机森林网络增加两者之间的非线性差异,验证网络精度及其泛化能力。结合实测数据,对比分析有限元模型的修正的效果。结果表明：模型的回归分数可达0.998,修正后的有限元模型可更准确地反映真实平台的动力特性。     

基于网格单元和随机森林的滑坡易发性评价

主要提出基于网格化单元和随机森林模型评价江西省赣州市滑坡易发性。结合前人研究与研究区概况,选取10个影响因子用于评价赣州市滑坡易发性,利用随机森林模型与ArcGIS平台得出赣州市滑坡易发性分级图,模型AUC值为0.86,经验证,模型准确率达90%。结果表明：赣州市滑坡灾害分布不均,整体滑坡易发性不高,低易发区和较低易发区共同占比55.31%。高风险区和较高风险区主要集中于兴国县、瑞金市、会昌县、龙南县、大余县、于都县东北部、宁都县西南部和信丰县南部,其余区县有少量分布。     

一种基于网络的设备在线故障诊断系统研究

针对生产过程中设备参数时变、非稳态特点,提出了基于网络的故障诊断系统结构,用于设备的远程监测与故障诊断。设计了TE过程与模拟电路故障实验,结果表明应用该结构对设备进行监控可以提高设备故障诊断的准确率,降低系统维修成本,提高生产效率。针对快速性问题,采用提升小波与递推最小二乘支持向量机相混合的快速故障诊断方法;通过快速算法训练最小二乘支持向量机分类器,节省了存储空间和运算时间,增加了诊断模型的适应性。根据设计要求设计了工业故障诊断研究实验平台,并在此平台上对提出的方法进行了验证。该应用平台采用C/S,B/S的混合模式,集成Matlab,力控等专业软件系统,并采用OPC,ODBC,数据库技术实现了故障诊断系统的基本功能。     

基于格兰杰因果关系检验的炼化系统故障根原因诊断方法

为了减少故障对炼化系统造成的影响,快速诊断出故障的根原因,使用格兰杰因果关系检验进行炼化系统故障诊断。分析炼化系统中过程参数之间的关联,建立过程参数作用关系图。在过程参数发生报警后,根据过程参数作用关系图,选出可能造成该过程参数报警的其他过程参数,进而使用格兰杰因果关系检验对其进行两两检验。根据计算得出的各个过程参数之间的因果关系量值,建立故障的定量因果关系图。使用定量因果关系图从发生报警的过程参数开始,寻找图中因果关系量值最大的路径,该路径即故障在系统的传播路径,该路径终点的过程参数即故障的根原因。将该方法应用于某化工厂常压塔装置的故障诊断,结果表明,该方法可以准确地诊断出系统中存在的故障,并找出故障在系统中的传播路径,对根原因进行定位,方法有效、可行。     

基于自适应共振神经网络的电机故障诊断方法

文章提出了基于自适应共振神经网络ART-2的故障诊断方法，以电机运行过程中的振动信号为诊断对象，在频谱分析的基础上，对电机故障进行诊断分类。实验证明，此方法能够快速、准确进行故障的分类，并在诊断的过程中对诊断信号通过记忆调整已有数据库的数据内容，具有一定的自学习能力，是电机故障诊断行之有效的方法。     

基于多源异构信息融合的机械故障诊断方法

针对振动信号或红外图像等单类型传感器信息难以准确表征机械设备的健康状态,存在诊断不确定性的问题,提出基于改进卷积神经网络(CNN)的多源异构信息数据级融合诊断方法.首先采用变分模态分解(VMD)和希尔伯特变换(HT)方法将振动信号处理成与红外图像同维的时频图像,并将其与红外图像进行数据级融合,得到多通道融合信号,然后将...     

基于改进PCA的故障检测与诊断方法

提出了一种基于小波去噪和主元分析的故障检测和诊断方法。该方法利用小波分析先对正常工况下的数据进行处理，然后运用T^2统计、Q统计方法，结合主元得分图和变量贡献图对一模型进行了仿真分析，结果表明，该方法是有效的。     

基于反馈神经网络的动态化工过程数据校正

对基于反馈神经网络的化工过程动态数据校正方法进行了研究,实现了自反馈增益的网络结构和动态反向传播算法。连续搅拌槽反应器实例的应用结果表明,反馈网络能快速、有效地校正动态过程测量数据。该方法仅依赖于历史测量数据,无需掌握过程本身的精确模型及测量噪声的参数,克服了应用过程机理模型对化工动态过程进行数据校正的局限性。     

海上风电齿轮箱故障诊断方法

提出通过监测海上风机齿轮箱油液磨粒的方法来判断齿轮箱的运行状况。基于电感原理检测方法,根据铁磁和非铁磁磨粒的电磁属性不同,监测油液中最重要的磨粒参数。搭建试验台,进行半径为200μm、300μm、500μm、700μm的铁、铜磨粒试验检测,得到2种磨粒引起的电压变化为57.5 mV和-23.0 mV,273.0 mV和-109.0 mV,1 175.0 mV和-470.0 mV,以及3 500.0 mV和-1 400.0 mV。试验表明,基于电感原理的齿轮箱油液磨粒检测方法是可行的,可用电压和极性检测磨粒的大小和磁性,得到磨粒引起的线圈电压变化：波谷表示检测到的是非铁磁磨粒,波谷峰值电压对应检测磨粒大小;波峰表示检测到的是铁磁磨粒,波峰峰值电压对应检测磨粒大小。该方法不需要齿轮箱停机再进行检查,降低停机带来的经济损失,具有很高的工程应用价值。     

钻井过程中的在线故障检测与诊断

利用钻井过程中的各种信息及时发现钻井异常情况，预防钻井事故的发生是降低钻井成本、提高钻井经济效益的重要途径。以综合录井信息为基础，利用钻井过程中动态参数的变化特征和时间序列的数学描述方法，对钻井过程中出现的故障进行识别与诊断，并开发了相应的诊断软件。现场应用表明，该诊断软件具有较高的在线监测与识别故障的能力。     

基于RBF神经网络的往复泵泵阀故障诊断研究

根据小波包分析,获得了各频带能量的分布规律,构造了泵阀状态特征向量,训练了RBF神经网络。大量的现场试验证明,构造的故障特征向量与RBF神经网络配合使用的方法可以明显提高泵阀故障诊断的准确率。