【摘要】：為保證含硫氣井在開發(fā)過程中安全高效生產(chǎn),提出一種基于主成分分析(PCA)和BP神經(jīng)網(wǎng)絡(luò)的含硫氣井完整性風(fēng)險(xiǎn)等級預(yù)測模型。首先,采用Bow-tie方法得到含硫氣井完整性失效風(fēng)險(xiǎn)因素,通過模糊評價(jià)法對風(fēng)險(xiǎn)因素進(jìn)行量化處理;然后,利用PCA提取綜合指標(biāo),并結(jié)合BP神經(jīng)網(wǎng)絡(luò)得到預(yù)測模型,進(jìn)而得到風(fēng)險(xiǎn)等級。研究結(jié)果表明:通過PCA能使BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)由28個(gè)減少至4個(gè),所建模型的風(fēng)險(xiǎn)等級預(yù)測精度高于未經(jīng)PCA的BP神經(jīng)網(wǎng)絡(luò);通過PCA與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的預(yù)測模型可識(shí)別含硫氣井開發(fā)過程中完整性失效的風(fēng)險(xiǎn)因素,完善了含硫氣井風(fēng)險(xiǎn)等級預(yù)測技術(shù)。
[Abstract]:In order to ensure the safe and efficient production of sulfur-bearing gas wells during development, a prediction model for predicting the integrity risk level of sulfur-bearing gas wells based on principal component analysis (PCA) and BP neural network is proposed. Firstly, the Bow-tie method is used to obtain the risk factors for the integrity failure of sulfur-bearing gas wells, and the fuzzy evaluation method is used to quantify the risk factors. Then, the synthetic index is extracted by PCA, and the prediction model is obtained by combining with BP neural network, and then the risk grade is obtained. The results show that the input data of BP neural network can be reduced from 28 to 4 by PCA, and the prediction accuracy of the model is higher than that of BP neural network without PCA. The prediction model combined with PCA and BP neural network can identify the risk factors of the integrity failure in the development of sulfur-bearing gas wells and improve the prediction technology of the risk grade of the sulfur-bearing gas wells.
【作者單位】： 西南石油大學(xué)油氣藏地質(zhì)及開發(fā)工程國家重點(diǎn)實(shí)驗(yàn)室;中國石化石油工程技術(shù)研究院;
【基金】：國家科技重大專項(xiàng)資助(2016ZX05017-003) 四川省科技廳項(xiàng)目(2016JQ0010) 四川省省屬高�？萍紕�(chuàng)新團(tuán)隊(duì)建設(shè)計(jì)劃資助項(xiàng)目(13TD0026)
【分類號(hào)】：TE38

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陸劍波;熊鋼;蔣偉;鄭鶴;周世耀;鄭登富;;定量RBI技術(shù)在芳構(gòu)化裝置的應(yīng)用[J];天然氣與石油;2010年02期

2 吳新杰,孫定源,閆光輝;基于神經(jīng)網(wǎng)絡(luò)處理油井液面深度的方法[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年01期

3 段善寧,汪玉春;神經(jīng)網(wǎng)絡(luò)技術(shù)在儲(chǔ)運(yùn)工程中的應(yīng)用綜述[J];天然氣與石油;2004年04期

4 孫輝;;神經(jīng)網(wǎng)絡(luò)技術(shù)在油田防砂中的應(yīng)用及發(fā)展方向分析[J];中外能源;2007年03期

5 賀康;龐海榮;代粉蕾;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機(jī)液壓系統(tǒng)故障診斷中的應(yīng)用[J];煤礦機(jī)械;2011年04期

6 孫玉學(xué);謝建波;趙景原;歷艷明;王嬌;;應(yīng)用量子神經(jīng)網(wǎng)絡(luò)快速預(yù)測儲(chǔ)層敏感性[J];鉆采工藝;2012年05期

7 魏海平，，夏吾勇;基于神經(jīng)網(wǎng)絡(luò)的離線調(diào)優(yōu)控制的研究[J];撫順石油學(xué)院學(xué)報(bào);1997年01期

8 施云惠,阮秋琦;基于再生核神經(jīng)網(wǎng)絡(luò)的斷層面模型重構(gòu)[J];中國圖象圖形學(xué)報(bào);2005年06期

9 胡永建;閆博;魯文俊;何媛媛;;神經(jīng)網(wǎng)絡(luò)自動(dòng)訓(xùn)練及井下復(fù)雜情況診斷[J];計(jì)算機(jī)應(yīng)用;2011年S1期

10 余建星,祁世芳;基于神經(jīng)網(wǎng)絡(luò)的長輸管道綜合可靠度評估方法[J];油氣儲(chǔ)運(yùn);2001年09期

相關(guān)會(huì)議論文 前1條

1 劉喜梅;于飛;;潤滑油脫蠟過程的神經(jīng)網(wǎng)絡(luò)方法建模及仿真[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

相關(guān)博士學(xué)位論文 前3條

1 肖紅;離散過程神經(jīng)網(wǎng)絡(luò)算法及在儲(chǔ)層識(shí)R%中的應(yīng)用研究[D];東北石油大學(xué);2015年

2 張濤;用人工神經(jīng)網(wǎng)絡(luò)研究元素與巖漿巖、沉積巖巖性及沉積巖礦物的關(guān)系[D];西北大學(xué);2016年

3 王瓊;基于優(yōu)化理論的神經(jīng)網(wǎng)絡(luò)研究及在抽油機(jī)故障診斷中的應(yīng)用[D];東北石油大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張高媛;低壓氣井自動(dòng)誘噴塞式排液系統(tǒng)設(shè)計(jì)與技術(shù)研究[D];西安石油大學(xué);2017年

2 趙丹;混沌遺傳算法的神經(jīng)網(wǎng)絡(luò)在輸油管道泄漏中的應(yīng)用[D];東北石油大學(xué);2015年

3 張莉;基于粗糙集與神經(jīng)網(wǎng)絡(luò)的天然氣管道泄漏檢測[D];東北石油大學(xué);2015年

4 周坤;管道智能檢測裝置里程系統(tǒng)的研究與設(shè)計(jì)[D];東北大學(xué);2014年

5 王思宇;基于EMD和BP神經(jīng)網(wǎng)絡(luò)的天然氣管道泄漏監(jiān)測[D];東北石油大學(xué);2016年

6 龍盼;基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的油田回注水余氯預(yù)測模型研究[D];武漢科技大學(xué);2016年

7 趙月嬌;基于生物地理優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D];東北石油大學(xué);2013年

8 周志光;神經(jīng)網(wǎng)絡(luò)技術(shù)在油田分析中的應(yīng)用研究[D];吉林大學(xué);2007年

9 李桂山;基于靜態(tài)電成像的砂礫巖儲(chǔ)層巖性識(shí)別研究[D];中國石油大學(xué);2011年

10 李松松;神經(jīng)網(wǎng)絡(luò)在管道漏磁信號(hào)分析中的應(yīng)用[D];沈陽工業(yè)大學(xué);2003年

本文編號(hào)：2378405