| 基于深度学习的油井工况智能诊断技术研究及应用 |
| |
| 引用本文： | 王相,杨耀忠,何岩峰,王振,窦祥骥. 基于深度学习的油井工况智能诊断技术研究及应用[J]. 油气地质与采收率, 2022, 29(1): 181-189 |
| |
| 作者姓名： | 王相 杨耀忠 何岩峰 王振 窦祥骥 |
| |
| 作者单位： | 1.常州大学石油工程学院，江苏常州213164；;2.中国石化胜利油田分公司信息化管理中心，山东东营257000；;3.胜利油田鲁明油气勘探开发有限公司，山东东营257000 |
| |
| 基金项目： | 中国石化科技攻关项目“大数据技术在油田开发中的应用研究”（P20071）。 |
| |
| 摘 要： | 及时准确地掌握油井的工况,对于油田安全高效生产和提高采收率具有重要意义.随着油田信息化建设的不断深入,示功图等油井生产动态监测数据实现了实时采集,并积累了海量数据,亟待进一步挖掘利用.基于"大数据+深度学习"的新一代人工智能技术,有望突破现有技术的局限,引领油井工况诊断技术升级.为此,依托4000余万组涵盖不同油藏类型...
|
| 关 键 词： | 油井 工况诊断 深度学习 大数据 卷积神经网络 |
Research and application of intelligent diagnosis technology of oil well working conditions based on deep learning |
| |
| WANG Xiang,YANG Yaozhong,HE Yanfeng,WANG Zhen,DOU Xiangji. Research and application of intelligent diagnosis technology of oil well working conditions based on deep learning[J]. Petroleum Geology and Recovery Efficiency, 2022, 29(1): 181-189 |
| |
| Authors: | WANG Xiang YANG Yaozhong HE Yanfeng WANG Zhen DOU Xiangji |
| |
| Affiliation: | (School of Petroleum Engineering,Changzhou University,Changzhou City,Jiangsu Province,213164,China;Information Management Center,Shengli Oilfield Company,SINOPEC,Dongying City,Shandong Province,257000,China;Luming Oil and Gas Exploration and Development Co.,Ltd.,Dongying City,Shandong Province,257000,China) |
| |
| Abstract: | |
| |
| Keywords: | oil well working condition diagnosis deep learning big data convolutional neural network |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《油气地质与采收率》浏览原始摘要信息 |
|
点击此处可从《油气地质与采收率》下载全文 |
|
