【摘要】：為保證含硫氣井在開發(fā)過程中安全高效生產,提出一種基于主成分分析(PCA)和BP神經網絡的含硫氣井完整性風險等級預測模型。首先,采用Bow-tie方法得到含硫氣井完整性失效風險因素,通過模糊評價法對風險因素進行量化處理;然后,利用PCA提取綜合指標,并結合BP神經網絡得到預測模型,進而得到風險等級。研究結果表明:通過PCA能使BP神經網絡的輸入數據由28個減少至4個,所建模型的風險等級預測精度高于未經PCA的BP神經網絡;通過PCA與BP神經網絡結合的預測模型可識別含硫氣井開發(fā)過程中完整性失效的風險因素,完善了含硫氣井風險等級預測技術。
[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】： 西南石油大學油氣藏地質及開發(fā)工程國家重點實驗室;中國石化石油工程技術研究院;
【基金】：國家科技重大專項資助(2016ZX05017-003) 四川省科技廳項目(2016JQ0010) 四川省省屬高�？萍紕�(chuàng)新團隊建設計劃資助項目(13TD0026)
【分類號】：TE38

【相似文獻】

相關期刊論文 前10條

1 陸劍波;熊鋼;蔣偉;鄭鶴;周世耀;鄭登富;;定量RBI技術在芳構化裝置的應用[J];天然氣與石油;2010年02期

2 吳新杰,孫定源,閆光輝;基于神經網絡處理油井液面深度的方法[J];遼寧大學學報(自然科學版);2000年01期

3 段善寧,汪玉春;神經網絡技術在儲運工程中的應用綜述[J];天然氣與石油;2004年04期

4 孫輝;;神經網絡技術在油田防砂中的應用及發(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神經網絡在全液壓鉆機液壓系統(tǒng)故障診斷中的應用[J];煤礦機械;2011年04期

6 孫玉學;謝建波;趙景原;歷艷明;王嬌;;應用量子神經網絡快速預測儲層敏感性[J];鉆采工藝;2012年05期

7 魏海平，，夏吾勇;基于神經網絡的離線調優(yōu)控制的研究[J];撫順石油學院學報;1997年01期

8 施云惠,阮秋琦;基于再生核神經網絡的斷層面模型重構[J];中國圖象圖形學報;2005年06期

9 胡永建;閆博;魯文俊;何媛媛;;神經網絡自動訓練及井下復雜情況診斷[J];計算機應用;2011年S1期

10 余建星,祁世芳;基于神經網絡的長輸管道綜合可靠度評估方法[J];油氣儲運;2001年09期

相關會議論文 前1條

1 劉喜梅;于飛;;潤滑油脫蠟過程的神經網絡方法建模及仿真[A];'99系統(tǒng)仿真技術及其應用學術交流會論文集[C];1999年

相關博士學位論文 前3條

1 肖紅;離散過程神經網絡算法及在儲層識R%中的應用研究[D];東北石油大學;2015年

2 張濤;用人工神經網絡研究元素與巖漿巖、沉積巖巖性及沉積巖礦物的關系[D];西北大學;2016年

3 王瓊;基于優(yōu)化理論的神經網絡研究及在抽油機故障診斷中的應用[D];東北石油大學;2011年

相關碩士學位論文 前10條

1 張高媛;低壓氣井自動誘噴塞式排液系統(tǒng)設計與技術研究[D];西安石油大學;2017年

2 趙丹;混沌遺傳算法的神經網絡在輸油管道泄漏中的應用[D];東北石油大學;2015年

3 張莉;基于粗糙集與神經網絡的天然氣管道泄漏檢測[D];東北石油大學;2015年

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

5 王思宇;基于EMD和BP神經網絡的天然氣管道泄漏監(jiān)測[D];東北石油大學;2016年

6 龍盼;基于優(yōu)化BP神經網絡的油田回注水余氯預測模型研究[D];武漢科技大學;2016年

7 趙月嬌;基于生物地理優(yōu)化算法的神經網絡故障診斷方法研究[D];東北石油大學;2013年

8 周志光;神經網絡技術在油田分析中的應用研究[D];吉林大學;2007年

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

10 李松松;神經網絡在管道漏磁信號分析中的應用[D];沈陽工業(yè)大學;2003年

本文編號：2378405