神经网络钻井参数优化
发布时间：2020-12-23 17:46
钻井参数优化是钻井工程中的一项关键技术。由于钻井过程中的不确定因素,钻井工程中的精确模型很难建立,从而导致仿真的结果与实际相差较大;其次,控制系统日趋复杂,以纯数学模型来研究钻井参数优化,各个环节耦合的表示已经很复杂,要对越来越精密的设备进行优化控制必然会限制该模型的应用。新型钻井技术的发展以及钻井自动化水平和监测装置性能的不断提高,也为钻井参数优化研究带来了新的课题。钻井参数优化不仅要考虑钻井速度以及钻井成本,更要对钻井过程中的钻井参数进行动态优化和综合分析。通过对钻井参数优化理论的研究和现场相关调研,发现钻井现场的反馈都由大量的数据组合而成,所以本文尝试将控制算法转向学习算法,提出了由感知层、传输层、应用层、控制层组成的基于神经网络的钻井参数优化架构。通过比较分析确定将小脑模型关节控制器（Cerebellar Model Articulation controller,CMAC）模型应用于钻井参数优化。提出了基于神经网络的钻井参数优化算法。语言使用Python,同时采用Anaconda作为调试和编译的集成开发环境（Integrated Development Environment...
【文章来源】：西安石油大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究的背景和意义
1.2 钻井参数优化现状与趋势
1.3 神经网络现状与趋势
1.4 论文的研究内容及结构
1.4.1 研究内容
1.4.2 论文的结构
第二章 钻井参数及其优化研究
2.1 钻井参数研究
2.2 钻井参数监测技术
2.2.1 钻井参数监测技术现状
2.2.2 钻井参数监测系统
2.3 钻井参数优化研究
2.3.1 钻井参数的选择
2.3.2 钻井参数优化思想
2.3.3 钻井参数优化架构
2.4 本章小结
第三章 基于钻井参数优化的神经网络模型分析
3.1 人工神经网络的基本原理
3.1.1 人工神经元模型
3.1.2 人工神经元网络模型
3.1.3 神经网络的学习方式
3.2 神经网络学习算法
3.3 神经网络模型的选择
3.3.1 感知器神经网络模型
3.3.2 Hopfield神经网络模型
3.3.3 自组织特征映射神经网络模型
3.3.4 误差反向传播神经网络模型
3.3.5 小脑模型神经网络模型
3.3.6 神经网络模型选择
3.4 本章小结
第四章 钻井参数优化设计
4.1 基本原理与思想
4.2 钻井参数优化的网络平台和工具
4.2.1 Python
4.2.2 Sk-learn
4.2.3 Pandas
4.3 钻井数据清洗
4.3.1 钻井数据的完整性处理
4.3.2 钻井数据的合法性处理
4.4 钻井参数预处理
4.4.1 钻井数据的降维
4.4.2 钻井参数的归一化
4.5 本章小结
第五章 钻井参数优化的神经网络实现
5.1 网络设计
5.2 网络训练
5.3 网络测试
5.4 网络改进
5.4.1 网络结构
5.4.2 激活函数
5.5 钻井参数优化现场实现
5.5.1 实验条件
5.5.2 现场实现
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间参加科研情况及获得的学术成果
【参考文献】：
期刊论文
[1]欠平衡钻井中的关键技术分析[J]. 郑强. 中国石油和化工标准与质量. 2017(19)
[2]基于DNN-HMM模型的语音识别的语音导航系统[J]. 赵永生,徐海青,吴立刚. 新型工业化. 2017(02)
[3]钻井参数优化技术的研究现状与发展趋势[J]. 沙林秀. 石油机械. 2016(02)
[4]磨料射流在石油钻井工程中的应用研究[J]. 徐依吉,邢雪阳,靳纪军,杨勇. 清洗世界. 2015(08)
[5]基于机械比能理论的复合钻井参数优选方法[J]. 崔猛,李佳军,纪国栋,陈永恒. 石油钻探技术. 2014(01)
[6]人工神经网络原理、分类及应用[J]. 王磊. 科技资讯. 2014(03)
[7]中石油钻井工程技术现状、挑战及发展趋势[J]. 石林,汪海阁,纪国栋. 天然气工业. 2013(10)
[8]参数自适应模糊控制的自动送钻技术研究[J]. 郭芙琴,华鹏涛. 西南石油大学学报(自然科学版). 2012(06)
[9]基于机械比能理论的钻井效率随钻评价及优化新方法[J]. 孟英峰,杨谋,李皋,李永杰,唐思洪,张军,林四元. 中国石油大学学报(自然科学版). 2012(02)
[10]川西深井钻井液技术难点分析及对策[J]. 石秉忠,欧彪,徐江,李丽,滕春鸣. 断块油气田. 2011(06)
博士论文
[1]大数据处理技术与系统研究[D]. 顾荣.南京大学 2016
[2]虚拟强度指数法优化钻井技术的研究与应用[D]. 陈志学.西南石油大学 2012
[3]准噶尔盆地白家海地区侏罗系地层岩性油气藏成藏规律研究[D]. 况昊.长江大学 2012
[4]几类神经网络的分析与优化及其应用研究[D]. 张莉.西安电子科技大学 2012
[5]钻井过程实时状态监测与诊断技术研究[D]. 廖明燕.中国石油大学 2010
硕士论文
[1]深度学习算法的研究及心音深度识别系统的构建与优化[D]. 杨贺.南京邮电大学 2016
[2]基于深度学习的文本特征表示及分类应用[D]. 梁军.郑州大学 2016
[3]基于相关学习神经网络的图像识别方法研究[D]. 李义.哈尔滨工业大学 2015
[4]基于改进的粒子群算法的钻进参数多目标优化研究[D]. 何素素.西安石油大学 2015
[5]基于粒子群算法的钻进参数多目标优化研究[D]. 张栋栋.西安石油大学 2014
[6]钻井参数优化及其知识建模的研究[D]. 王正.西安石油大学 2013
[7]钻井复杂情况与事故诊断专家系统研究[D]. 胡睿.中国石油大学 2010
[8]CMAC神经网络概念映射及学习算法研究与应用[D]. 李锋.哈尔滨工业大学 2007
[9]ARM9200嵌入式系统在数字化井场中的应用[D]. 杨宁华.华中科技大学 2007
[10]基于免疫算法的神经网络解耦控制及其研究[D]. 韩贵金.西安理工大学 2006
本文编号：2934099
【文章来源】：西安石油大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究的背景和意义
1.2 钻井参数优化现状与趋势
1.3 神经网络现状与趋势
1.4 论文的研究内容及结构
1.4.1 研究内容
1.4.2 论文的结构
第二章 钻井参数及其优化研究
2.1 钻井参数研究
2.2 钻井参数监测技术
2.2.1 钻井参数监测技术现状
2.2.2 钻井参数监测系统
2.3 钻井参数优化研究
2.3.1 钻井参数的选择
2.3.2 钻井参数优化思想
2.3.3 钻井参数优化架构
2.4 本章小结
第三章 基于钻井参数优化的神经网络模型分析
3.1 人工神经网络的基本原理
3.1.1 人工神经元模型
3.1.2 人工神经元网络模型
3.1.3 神经网络的学习方式
3.2 神经网络学习算法
3.3 神经网络模型的选择
3.3.1 感知器神经网络模型
3.3.2 Hopfield神经网络模型
3.3.3 自组织特征映射神经网络模型
3.3.4 误差反向传播神经网络模型
3.3.5 小脑模型神经网络模型
3.3.6 神经网络模型选择
3.4 本章小结
第四章 钻井参数优化设计
4.1 基本原理与思想
4.2 钻井参数优化的网络平台和工具
4.2.1 Python
4.2.2 Sk-learn
4.2.3 Pandas
4.3 钻井数据清洗
4.3.1 钻井数据的完整性处理
4.3.2 钻井数据的合法性处理
4.4 钻井参数预处理
4.4.1 钻井数据的降维
4.4.2 钻井参数的归一化
4.5 本章小结
第五章 钻井参数优化的神经网络实现
5.1 网络设计
5.2 网络训练
5.3 网络测试
5.4 网络改进
5.4.1 网络结构
5.4.2 激活函数
5.5 钻井参数优化现场实现
5.5.1 实验条件
5.5.2 现场实现
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间参加科研情况及获得的学术成果
【参考文献】：
期刊论文
[1]欠平衡钻井中的关键技术分析[J]. 郑强. 中国石油和化工标准与质量. 2017(19)
[2]基于DNN-HMM模型的语音识别的语音导航系统[J]. 赵永生,徐海青,吴立刚. 新型工业化. 2017(02)
[3]钻井参数优化技术的研究现状与发展趋势[J]. 沙林秀. 石油机械. 2016(02)
[4]磨料射流在石油钻井工程中的应用研究[J]. 徐依吉,邢雪阳,靳纪军,杨勇. 清洗世界. 2015(08)
[5]基于机械比能理论的复合钻井参数优选方法[J]. 崔猛,李佳军,纪国栋,陈永恒. 石油钻探技术. 2014(01)
[6]人工神经网络原理、分类及应用[J]. 王磊. 科技资讯. 2014(03)
[7]中石油钻井工程技术现状、挑战及发展趋势[J]. 石林,汪海阁,纪国栋. 天然气工业. 2013(10)
[8]参数自适应模糊控制的自动送钻技术研究[J]. 郭芙琴,华鹏涛. 西南石油大学学报(自然科学版). 2012(06)
[9]基于机械比能理论的钻井效率随钻评价及优化新方法[J]. 孟英峰,杨谋,李皋,李永杰,唐思洪,张军,林四元. 中国石油大学学报(自然科学版). 2012(02)
[10]川西深井钻井液技术难点分析及对策[J]. 石秉忠,欧彪,徐江,李丽,滕春鸣. 断块油气田. 2011(06)
博士论文
[1]大数据处理技术与系统研究[D]. 顾荣.南京大学 2016
[2]虚拟强度指数法优化钻井技术的研究与应用[D]. 陈志学.西南石油大学 2012
[3]准噶尔盆地白家海地区侏罗系地层岩性油气藏成藏规律研究[D]. 况昊.长江大学 2012
[4]几类神经网络的分析与优化及其应用研究[D]. 张莉.西安电子科技大学 2012
[5]钻井过程实时状态监测与诊断技术研究[D]. 廖明燕.中国石油大学 2010
硕士论文
[1]深度学习算法的研究及心音深度识别系统的构建与优化[D]. 杨贺.南京邮电大学 2016
[2]基于深度学习的文本特征表示及分类应用[D]. 梁军.郑州大学 2016
[3]基于相关学习神经网络的图像识别方法研究[D]. 李义.哈尔滨工业大学 2015
[4]基于改进的粒子群算法的钻进参数多目标优化研究[D]. 何素素.西安石油大学 2015
[5]基于粒子群算法的钻进参数多目标优化研究[D]. 张栋栋.西安石油大学 2014
[6]钻井参数优化及其知识建模的研究[D]. 王正.西安石油大学 2013
[7]钻井复杂情况与事故诊断专家系统研究[D]. 胡睿.中国石油大学 2010
[8]CMAC神经网络概念映射及学习算法研究与应用[D]. 李锋.哈尔滨工业大学 2007
[9]ARM9200嵌入式系统在数字化井场中的应用[D]. 杨宁华.华中科技大学 2007
[10]基于免疫算法的神经网络解耦控制及其研究[D]. 韩贵金.西安理工大学 2006
本文编号：2934099
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2934099.html
