隨著數(shù)據(jù)挖掘、智能決策等大數(shù)據(jù)技術(shù)在油氣勘探開發(fā)領(lǐng)域的應(yīng)用,油氣勘探開發(fā)的數(shù)字化程度也越來越高,極大地促進(jìn)了施工作業(yè)的降本增效。然而在現(xiàn)階段的鉆井作業(yè)中,工況識別和時效分析主要依靠現(xiàn)場作業(yè)人員的經(jīng)驗和儀表的數(shù)據(jù),這種方式在處理大量、實時的數(shù)據(jù)時存在效率低、準(zhǔn)確度不高的缺點。因此,利用鉆井過程記錄的大量錄井?dāng)?shù)據(jù),開發(fā)計算機軟件進(jìn)行自動的工況識別和時效分析具有重要意義。鉆井施工的智能決策首先需要大量的錄井?dāng)?shù)據(jù),本文在調(diào)研國際通用的井場數(shù)據(jù)傳輸規(guī)范的基礎(chǔ)上,利用基于TCP/IP的Socket接口,開發(fā)了符合WITS標(biāo)準(zhǔn)和WITSML標(biāo)準(zhǔn)的數(shù)據(jù)傳輸模塊,實現(xiàn)了錄井?dāng)?shù)據(jù)和后臺服務(wù)器之間的實時數(shù)據(jù)傳輸。然后,根據(jù)鉆井施工的設(shè)計計劃,選取了11個鉆井工況進(jìn)行識別,這11個工況基本涵蓋了鉆井施工的所有流程。針對選取的工況,分別開發(fā)了基于閾值法和基于神經(jīng)網(wǎng)絡(luò)的工況識別模型,并將兩個模型的判斷結(jié)果進(jìn)行了融合。最后,根據(jù)工況識別的結(jié)果進(jìn)行時效統(tǒng)計和分析,并根據(jù)統(tǒng)計結(jié)果建立了時效分析的歷史數(shù)據(jù)庫,方便同歷史數(shù)據(jù)進(jìn)行對比分析�；谏鲜鰯�(shù)據(jù)傳輸和工況識別解決方案,本文選擇采用C#.NET編程語言以及SQL Ser... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

DiscoveryWeb系統(tǒng)

第3章基于閾值法和神經(jīng)網(wǎng)絡(luò)的鉆井工況識別研究-28-Fig.3.3Huffmantree在MicrosoftVisualStudio2015開發(fā)平臺中，利用三組不同的錄井?dāng)?shù)據(jù)對比直接判斷和霍夫曼樹的計算效率，對比結(jié)果如圖3.4、圖3.5、圖3.6所示。圖中OperationsRecognition.Main::button1_Click這一行是直接判斷的用時結(jié)果，OperationsRecognition.Main::button2_Click這一行是霍夫曼樹的用時結(jié)果。圖3.4錄井?dāng)?shù)據(jù)1的結(jié)果Fig.3.4Resultsofloggingdata1圖3.5錄井?dāng)?shù)據(jù)2的結(jié)果Fig.3.5Resultsofloggingdata2

第3章基于閾值法和神經(jīng)網(wǎng)絡(luò)的鉆井工況識別研究-28-Fig.3.3Huffmantree在MicrosoftVisualStudio2015開發(fā)平臺中，利用三組不同的錄井?dāng)?shù)據(jù)對比直接判斷和霍夫曼樹的計算效率，對比結(jié)果如圖3.4、圖3.5、圖3.6所示。圖中OperationsRecognition.Main::button1_Click這一行是直接判斷的用時結(jié)果，OperationsRecognition.Main::button2_Click這一行是霍夫曼樹的用時結(jié)果。圖3.4錄井?dāng)?shù)據(jù)1的結(jié)果Fig.3.4Resultsofloggingdata1圖3.5錄井?dāng)?shù)據(jù)2的結(jié)果Fig.3.5Resultsofloggingdata2

【參考文獻(xiàn)】：
期刊論文
[1]粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在甲烷檢測中的應(yīng)用[J]. 王志芳,王書濤,王貴川.  光子學(xué)報. 2019(04)
[2]利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行絕緣子自動定位[J]. 彭向陽,劉洋,王柯,張泊宇,錢金菊,陳馳,楊必勝.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2019(04)
[3]基于哈夫曼編碼的關(guān)聯(lián)成像算法的圖像傳輸機理研究[J]. 張雷洪,葉華龍.  包裝工程. 2019(05)
[4]錄井現(xiàn)場數(shù)據(jù)實時采集與傳輸系統(tǒng)設(shè)計[J]. 賴福斌.  信息系統(tǒng)工程. 2019(02)
[5]基于TCP/IP的局域網(wǎng)通信系統(tǒng)的設(shè)計與實現(xiàn)[J]. 陳娟.  信息與電腦(理論版). 2018(22)
[6]水平井錄井的難點分析及應(yīng)對探討[J]. 鄭巖.  西部探礦工程. 2018(11)
[7]鉆井時效隨鉆統(tǒng)計分析系統(tǒng)研發(fā)與應(yīng)用[J]. 張繼軍.  錄井工程. 2018(03)
[8]基于狀態(tài)指標(biāo)向量化及霍夫曼編碼的變壓器缺陷模式識別[J]. 袁耀,張曦,楊家輝,鄒林,王頌,趙林杰.  廣東電力. 2018(08)
[9]哈夫曼編碼譯碼功能的簡單實現(xiàn)[J]. 許子明.  科技風(fēng). 2018(18)
[10]飛機參數(shù)顯示器無線電高度顯示異常故障的預(yù)防[J]. 陳明新,劉莉,顧敏波.  航空維修與工程. 2018(04)

博士論文
[1]實用步態(tài)數(shù)據(jù)庫的建立和步態(tài)特征提取與表征方法[D]. 韋素媛.西安電子科技大學(xué) 2013
[2]噪聲干擾下NGB接入網(wǎng)上行信道性能與智能診斷研究[D]. 張力.天津大學(xué) 2012
[3]基于軟件無線電的通信偵察接收機關(guān)鍵技術(shù)研究[D]. 王雪霞.哈爾濱工業(yè)大學(xué) 2008

碩士論文
[1]無線帶內(nèi)全雙工通信網(wǎng)的TCP性能研究[D]. 周磊.南京郵電大學(xué) 2018
[2]基于深度神經(jīng)網(wǎng)絡(luò)的水中目標(biāo)識別研究[D]. 王鵬.哈爾濱工程大學(xué) 2018
[3]鉆井工程現(xiàn)場綜合信息集成系統(tǒng)研究與開發(fā)[D]. 劉丁銘.重慶大學(xué) 2017
[4]基于J2EE的稅務(wù)人事管理信息系統(tǒng)的設(shè)計與實現(xiàn)[D]. 倪志英.吉林大學(xué) 2016
[5]面向數(shù)據(jù)的軟件工程方法探討及初步應(yīng)用[D]. 徐良.成都理工大學(xué) 2016
[6]鉆井過程中工況異常監(jiān)測與預(yù)警系統(tǒng)研究與開發(fā)[D]. 付娜.中國石油大學(xué)(華東) 2014
[7]基于人工神經(jīng)網(wǎng)絡(luò)的采煤機記憶截割控制系統(tǒng)研究[D]. 朱寧.西安科技大學(xué) 2012
[8]基于RDT&FDF方法的石油鉆井事故診斷系統(tǒng)[D]. 張金鵬.大連理工大學(xué) 2011
[9]基于單片機的步進(jìn)電機控制系統(tǒng)的設(shè)計與實現(xiàn)[D]. 方愛平.浙江工業(yè)大學(xué) 2009



本文編號：3389530