含硫气井完整性风险等级预测研究

发布时间：2018-12-14 09:48

【摘要】：为保证含硫气井在开发过程中安全高效生产,提出一种基于主成分分析(PCA)和BP神经网络的含硫气井完整性风险等级预测模型。首先,采用Bow-tie方法得到含硫气井完整性失效风险因素,通过模糊评价法对风险因素进行量化处理;然后,利用PCA提取综合指标,并结合BP神经网络得到预测模型,进而得到风险等级。研究结果表明:通过PCA能使BP神经网络的输入数据由28个减少至4个,所建模型的风险等级预测精度高于未经PCA的BP神经网络;通过PCA与BP神经网络结合的预测模型可识别含硫气井开发过程中完整性失效的风险因素,完善了含硫气井风险等级预测技术。
[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.
【作者单位】： 西南石油大学油气藏地质及开发工程国家重点实验室;中国石化石油工程技术研究院;
【基金】：国家科技重大专项资助(2016ZX05017-003) 四川省科技厅项目(2016JQ0010) 四川省省属高校科技创新团队建设计划资助项目(13TD0026)
【分类号】：TE38

【相似文献】

相关期刊论文 前10条

1 陆剑波;熊钢;蒋伟;郑鹤;周世耀;郑登富;;定量RBI技术在芳构化装置的应用[J];天然气与石油;2010年02期

2 吴新杰,孙定源,闫光辉;基于神经网络处理油井液面深度的方法[J];辽宁大学学报(自然科学版);2000年01期

3 段善宁,汪玉春;神经网络技术在储运工程中的应用综述[J];天然气与石油;2004年04期

4 孙辉;;神经网络技术在油田防砂中的应用及发展方向分析[J];中外能源;2007年03期

5 贺康;庞海荣;代粉蕾;;SOM神经网络在全液压钻机液压系统故障诊断中的应用[J];煤矿机械;2011年04期

6 孙玉学;谢建波;赵景原;历艳明;王娇;;应用量子神经网络快速预测储层敏感性[J];钻采工艺;2012年05期

7 魏海平，，夏吾勇;基于神经网络的离线调优控制的研究[J];抚顺石油学院学报;1997年01期

8 施云惠,阮秋琦;基于再生核神经网络的断层面模型重构[J];中国图象图形学报;2005年06期

9 胡永建;闫博;鲁文俊;何媛媛;;神经网络自动训练及井下复杂情况诊断[J];计算机应用;2011年S1期

10 余建星,祁世芳;基于神经网络的长输管道综合可靠度评估方法[J];油气储运;2001年09期

相关会议论文 前1条

1 刘喜梅;于飞;;润滑油脱蜡过程的神经网络方法建模及仿真[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

相关博士学位论文 前3条

1 肖红;离散过程神经网络算法及在储层识R%中的应用研究[D];东北石油大学;2015年

2 张涛;用人工神经网络研究元素与岩浆岩、沉积岩岩性及沉积岩矿物的关系[D];西北大学;2016年

3 王琼;基于优化理论的神经网络研究及在抽油机故障诊断中的应用[D];东北石油大学;2011年

相关硕士学位论文 前10条

1 张高媛;低压气井自动诱喷塞式排液系统设计与技术研究[D];西安石油大学;2017年

2 赵丹;混沌遗传算法的神经网络在输油管道泄漏中的应用[D];东北石油大学;2015年

3 张莉;基于粗糙集与神经网络的天然气管道泄漏检测[D];东北石油大学;2015年

4 周坤;管道智能检测装置里程系统的研究与设计[D];东北大学;2014年

5 王思宇;基于EMD和BP神经网络的天然气管道泄漏监测[D];东北石油大学;2016年

6 龙盼;基于优化BP神经网络的油田回注水余氯预测模型研究[D];武汉科技大学;2016年

7 赵月娇;基于生物地理优化算法的神经网络故障诊断方法研究[D];东北石油大学;2013年

8 周志光;神经网络技术在油田分析中的应用研究[D];吉林大学;2007年

9 李桂山;基于静态电成像的砂砾岩储层岩性识别研究[D];中国石油大学;2011年

10 李松松;神经网络在管道漏磁信号分析中的应用[D];沈阳工业大学;2003年

本文编号：2378405