一种基于深度学习的机采井系统效率优化方法与装置

授权

摘要

本发明实施例提供一种基于深度学习的机采井系统优化方法与装置。本发明的基于深度学习方法的机采井系统效率优化方法，融合生产数据、泵数据、电数据、温压数据等，作为系统效率优化的样本集。采用长短期记忆LSTM模型，构建系统效率阈值提取模型以及产液量预测模型。将系统效率进行区间划分，每个区间标记为一类，作为周期状态分类的标签，应用分类算法构建系统效率周期状态分类模型。结合系统效率阈值、产液量预测模型、周期状态分类模型，决定是否调整工作制度。另外，发明实施例还提供一种基于深度学习的机采井系统优化装置，包括数据预处理模块、系统效率阈值提取模块、周期状态分类模块、产液量预测模块。本发明实施例提供的技术方案能够对机采井的系统效率进行优化，降低开采成本、提高经济效益。

基本信息

专利标题：

一种基于深度学习的机采井系统效率优化方法与装置

专利标题（英）：

暂无

公开（公告）号：

CN113011089A

申请号：

CN202110244279.8

公开（公告）日：

2021-06-22

申请日：

2021-03-05

授权号：

CN113011089B

授权日：

2022-05-20

发明人：

刘昕牛庆威宫法明张如玉白雨昊穆有德吴傲王宇辰

申请人：

中国石油大学（华东）

申请人地址：

山东省青岛市黄岛区长江西路66号

代理机构：

代理人：

优先权：

CN202110244279.8

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06N3/04 G06N3/08 G06N20/10 G06Q10/04

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-05-20 ：

授权

2021-07-09 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20210305

2021-06-22 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载