基于支持向量机回归的机械钻速智能预测

塔里木盆地深层油气资源丰富,但随着井深的增加地层可钻性降低、研磨性升高,导致机械钻速低,钻井成本高等难题,亟需钻井优化技术.机械钻速预测是优化钻井的关键技术之一,准确的机械钻速预测可以为钻井参数优化、钻井工具优选等提供重要依据.利用钻井现场可实时获得的录井数据,基于决策树回归算法、随机森林回归算法、支持向量机回归算法和...     

超临界CO2管道破裂泄漏影响探讨

近年来,随着碳捕集与封存的需求不断提高,CO₂输送管道成为关键支撑,大规模发展趋势明显。相比气态输送,长距离CO₂输送管道采用超临界输送模式经济性更好,但具有泄漏后压力台阶较高、管道止裂韧性要求较高、泄漏后果与油气介质不同等显著特点。尤其对于超临界CO₂管道泄漏问题,受CO₂密度大于空气、具有窒息性等特性影响,泄漏后果分析日益受到关注,值得深入研究。目前,国内外已经发布了相关CO₂管道输送技术规范,但未见对泄漏后果定量分析方法与临界阙值指标的明确要求,对工程设计的详细指导尚显不足,且鲜有与实验测试结果分析比对的探讨。基于CO₂相态特点,结合超临界CO₂输送特点,探讨了超临界CO₂泄漏后果的安全阙值选取问题,开展了国外超临界CO₂管道破裂实验的深度调研,比对性地开展了超临界泄漏后果模拟分析。研究表明,推荐选择摩尔浓度4%作为CO₂线路管道破裂影响范围评价浓度值;国外大规模...     

基于独立分量分析和支持向量机的管道泄漏识别方法

将独立分量分析(ICA)方法应用到管道泄漏检测压力信号的降噪中。分析了压力波信号源的独立性,探讨了运用ICA方法的可行性。利用现场采集的压力信号对该方法进行降噪效果检验。结果表明,该方法较好地保留了泄漏拐点信息且降噪效果明显。将支持向量机(SVM)方法应用到泄漏检测的识别过程中,首先采取微分进化算法优化了SVM模型参数,然后利用现场泄漏实验数据,验证了基于SVM方法的识别模型具有很好的识别准确率和泛化能力。在实验的基础上,对噪声源合并和泄漏信号源不可分问题作了初步讨论。     

液态二氧化碳输送管道的设计要点

二氧化碳对石油行业三次开采起着重要作用。其输送方式也由通常的气态输送方式发展为更加经济的液态输送方式,该技术在国外已取得成熟的经验,而我国还处于摸索阶段。本文主要分析了设计液态二氧化碳输送管道的一些技术特点,并详细阐述了在设计时需重点考虑的设计因素,对液态二氧化碳管道的设计具有指导作用。     

超临界CO2输送管道泄漏监测系统研究

为了减少超临界CO₂输送管道泄漏产生的危害,有必要研究监测泄漏的方法。超临界CO₂管道输送是碳捕集、利用和封存(Carbon Capture, Utilization and Storage, CCUS)全产业链中的关键环节,由于CO₂具有较高焦耳—汤姆逊系数,泄漏中温度大幅下降会使管道韧性下降,极可能造成管道脆性断裂扩展,导致管道断裂和介质泄漏扩散。对超临界CO₂输送管道泄漏特性进行分析,提出了管道泄漏监测和站内泄漏监测的方法、相关仪表选型、报警点的设置及处理方案。研究成果可为超临界CO₂输送管道泄漏监测系统设计提供参考。     

基于机器学习方法的天然气水合物稳定带厚度计算

随着互联网大数据发展,人工智能算法逐渐能自动学习数据特征和挖掘大数据隐藏的信息,且其预测结果具有极高的准确度和可靠性。机器学习是人工智能的核心算法,目前已应用于多个领域,在地球科学领域的应用也已兴起。天然气水合物稳定带是评估水合物资源潜力的关键参数,其准确性直接影响水合物勘探进程和结果。前人在计算水合物稳定带厚度时往往采用较为简单的模型,忽略气体组分、热导率等因素的影响,计算结果存在较大偏差。基于不同海水盐度和气体组分条件下的天然气水合物实验数据构建机器学习模型,利用机器学习算法预测天然气水合物的相平衡条件;进而结合南海北部的气体组分、热流、热导率等数据,计算得到南海北部水合物稳定带厚度。结果分析表明机器学习模型预测的水合物相平衡曲线与实验数据高度吻合,决定系数高达0.997。计算的南海北部水合物稳定带厚度与水合物钻井和地震资料揭示的结果基本一致。 本研究提供了一个机器学习算法在水合物稳定带厚度估算中的应用实例,表明人工智能算法在未来天然气水合物资源预测和潜力评价中具有较大的应用前景。     

基于机器学习的碳酸盐岩油藏地层压力预测

地层压力涉及到开发方式、配产配注等调整,是油田开发过程中极为重要的参数。但获取地层压力需要关井进行压力恢复,操作繁琐,数值模拟法工作量大且计算耗时,现有公式法不太适合采用复杂工作制度的碳酸盐岩油藏。基于相关性计算和主成分分析等数据预处理过程,结合精英策略遗传算法和支持向量回归模型(SEGA-SVR),建立了基于数据驱动的地层压力预测模型。SEGA-SVR模型在训练集决策系数得分为0.97,均方根误差为0.04;测试集决策系数得分0.95,均方根误差为0.05,对邻区验证井也有较好的表现。SEGA-SVR模型的性能与SVR模型相比有了很大提高,与其他机器学习模型相比,总体来说表现最优。研究结果表明,SEGA-SVR模型无需关井即可预测实时地层压力,且通过遗传算法调参省时省力,数据驱动的方式可更好适应复杂情况。同时该模型具有较好的泛化性和稳定性,预测效果较好,为碳酸盐岩油田地层压力预测提供了新方法。     

基于机器学习的储层渗透率预测方法

目前在渗透率评价中存在一定困难,主要原因是储层的纵横向非均质性和储层的孔隙结构的巨大差异导致在相同孔隙度条件下,渗透率跨度可能达到一个数量级以上,传统的测井渗透率计算方法难以达到储层精细评价的要求。本文在充分调研渗透率影响因素的前提下,优选了机器学习算法预测渗透率,提高了渗透率的预测精度。     

基于机器学习的页岩气产能非确定性预测方法研究

针对页岩气确定性产能预测方法误差较大的问题,综合最大信息系数相关性分析方法、混合支持向量机技术及“蒙特卡洛—马尔科夫链”模拟,提出一种基于机器学习的页岩气产能非确定性预测方法。运用该方法,可根据已投产页岩气井的地质及工程数据,对拟钻页岩气井未来的产能进行非确定性预测。24口页岩气井算例分析结果表明：利用该方法进行产能非确定性预测的准确率为70.8%,且预测结果为“大概率事件”的井占54.2%,说明该方法有较高的预测精度且预测结果满足概率统计规律。研究成果对国内外页岩气开发方案的优化有重要意义。     

基于小波分解的管道泄漏神经网络检测与定位

由于检测的管道泄漏声发射信号强度弱,包含的频率成分复杂,直接用检测的信号进行定位,常常使定位出现较大偏差。鉴于此,介绍一种新方法,即先将泄漏声发射信号进行小波分解,通过计算各级子信号的能量,根据子信号的能量比和主要频带,从泄漏信号中提取出能反映泄漏状态的子信号作为BP神经网络的输入,实现管道泄漏的检测与定位。应用实例表明,用小波提取泄漏信号中的纵振波成分,结合功率谱构造BP神经网络来对管道的泄漏进行检测和定位是可行的。     

液相管道流量与压力对小孔泄漏速率的影响

泄漏速率计算是计算泄漏量、评估泄漏风险的前提和基础,通过搭建液相管道小孔泄漏实验系统,构建不同泄漏场景,研究管道流量、压力对管内液体压力及泄漏速率变化的影响规律,提出了小孔泄漏稳定压力计算方法,有效解决经典计算公式中压力求解问题;通过对泄漏模块仿真模拟,得到了泄漏孔口界面的速度分布情况,并研究了管道流量、压力对速度分布的影响。实验和数值模拟结果表明:泄漏发生后,管道压力下降明显,泄漏稳定压力与初始压力、管道流量呈对数关系,初始压力、管道流量越大,泄漏稳定压力越高,但相较于初始压力,泄漏稳定压力差值减小;管道流量越大,达到泄漏稳定的时间越短,泄漏达到平衡越快;泄漏孔处,面对来流方向壁面附近速度较高,背向来流方向壁面附近有负压、涡旋,且随着管道流量、初始压力的增加,最大泄漏速度增加,但负压范围、程度减小。     

统计学习理论在预测注水管道腐蚀速率中的研究与应用

支持向量机是在统计学习理论的基础上发展而来的一种新的模式识别方法,在解决有限样本、非线性及高维模式识别问题中表现出许多特有的优势。文章针对注水管道中腐蚀速率和腐蚀影响因素之间复杂的映射关系,在注水管道腐蚀速率预测研究中引入基于统计学习理论的支持向量机算法,研究了胜利油田某实验区注水水质腐蚀的影响因素,并应用LibSVM软件建立了注水管道腐蚀速率预测模型,从而提供了一种注水管道腐蚀速率预测新方法。实际应用结果表明,用支持向量机算法进行注水管道腐蚀速率的预测在样本有限的情况下具有明显的优势。     

基于支持向量机的二氧化碳非混相驱效果预测

目前国内缺乏一种快速、准确预测CO2非混相驱油效果的方法,为了解决这一问题,选取剩余地层压力与混相压力之比、孔隙度、渗透率、油藏中深、地层平均有效厚度、地层温度、原油相对密度、含油饱和度、原油黏度、渗透率变异系数、注采比、注入速度和水气交替注入比等13个地质及工程参数作为输入参数,平均单井日增油量作为输出参数构建了预测CO2非混相驱效果的支持向量机预测模型.以国内6个CO2非混相驱项目和1个CO2混相驱项目为学习样本,2个CO2非混相驱项目和1个CO2混相驱项目为检测样本检测了支持向量机预测模型的准确度,结果表明,3个检测样本的预测值与实际值的平均相对误差为5.57%,满足工程要求.利用该模型预测了腰英台油田CO2非混相驱井组的增产效果,与实际增产效果相比,相对误差仅为1.30%.这表明,采用支持向量机方法对CO2非混相驱油效果进行预测可行且有效.      

基于SVM的中国地区进口LNG需求量预测

随着我国能源结构转型不断清洁化,天然气在一次能源消费比重中持续上升。我国天然气液化和接收站项目不断上马,LNG在天然气消费市场占有比例持续上升。传统的项目分析中,使用固定天然气价格进行测算,不能很好反映消费市场变化。介绍了一个基于机器学习方法的动态预测模型,通过分析国内市场关键参数进行回归预测。在对过去10年的天然气进口量的分析中,利用该模型进行仿真预测其结果较好,对沿海地区LNG进口量的预测与实际进口量较吻合。     

基于支持向量机算法的注水管道剩余寿命预测

支持向量机是在统计学习理论的基础上发展而来的一种新的模式识别方法, 在解决有限样本、非线性及高维模式识别问题中表现出许多特有的优势。鉴于此, 针对注水管道的使用寿命和腐蚀影响因素之间复杂的映射关系, 在注水管道的剩余寿命预测研究中引入基于统计学习理论的支持向量机算法。研究了胜利油田某实验区注水水质腐蚀的影响因素, 应用LibSVM软件建立了注水管道的剩余寿命预测模型, 从而提供了一种预测注水管道剩余寿命的新方法。实际应用结果表明, 用支持向量机算法预测注水管道剩余寿命在样本有限的情况下具有明显优势。     

基于GA-SVR模型预测多环芳香烃在超临界CO_2中的溶解度

针对有机固体溶质在超临界CO_2(SCCO_2)中的溶解度实验耗时费力问题,采用基于支持向量机和遗传算法建立了多环芳香烃(PAH)在SCCO_2中的溶解度模型(GA-SVR),利用PAH在SCCO_2中的467个实验溶解度数据对GA-SVR模型进行了训练和预测,并基于帽子矩阵和William plot理论,建立了一种检测GA-SVR模型异常点的方法。实验结果表明,新模型预测PAH在SCCO_2中的溶解度精度较高,绝对相对偏差最小为5.42%,最大7.77%,平均为5.94%,对所有数据点进行了异常点检测,发现新建模型没有出现异常数值。该研究成果为溶质在超临界流体中的溶解度计算提供了一种新方法。     

基于数据的管道腐蚀预测

海底管道的内腐蚀是造成管道老化破损的主要原因。对设备乃至整个系统有着非常大的影响,并且可能会带来严重的损失。本文基于机器学习方法对海底管道腐蚀率进行建模,从而对海底管道的腐蚀情况进行了预测。结果表明,基于xgboost算法的回归建模预测有着较好地效果。同时也发现,管道腐蚀具有一定的随机性,选取样本的大小和模型的效果呈现负相关,对于腐蚀率较大的样本有着较好的预测效果,可以指导运维人员有针对性的采取措施,减少事故发生率以及损失。     

基于人工神经网络的加油站油罐管道泄漏监测方法

通过构建加油站油罐管道输送动力学模型,获取原始的流量和压力数据,结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势,建立了CNN-LSTM组合管道泄漏预测模型,输入原始数据进行深度学习,训练出可根据压力梯度预测流量的CNN-LSTM组合管道泄漏预测模型。若管道实际流量数据与预测流量数据之间的误差超过阈值即发生泄漏,根据压力曲线距离算法即可确定泄漏点位置。加油站油罐管道泄漏监测现场试验结果表明,在2种不同开阀方式下,基于CNN-LSTM组合模型的管道泄漏预测方法可以快速准确预测泄漏事件的发生,实时预警,报警时间最短,泄漏点定位误差最小,泄漏点定位误差低于2.4%。     

基于SCADA系统的管道泄漏监测软件的应用

管道泄漏检测技术是保障管道运输安全运行的重要手段.介绍了一种新型泄漏监测软件PIPELEAK3. 0的检测原理,讨论了在胜利油田海洋集输大队应用的系统组成及实际效果,并对实践进行了总结.     

基于OPC技术的管道泄漏诊断方法研究

提出基于OPC的负压波泄漏诊断技术获取分布式数据采集系统中的压力信息,利用小波比例萎缩去噪技术进行分析处理,再利用小波变换模极大值法捕捉泄漏拐点来对管道泄漏点进行精确定位。利用BorlandC++Builder建立了OPC客户端管道泄漏诊断系统。现场的试验和应用都取得了良好的效果。系统运行可靠,并且定位精度高达99%。