本发明提供了基于多时间尺度特征和神经网络的钻进过程工况识别方法,进行钻进过程监测与钻进过程异常工况的识别。通过分析钻进过程异常工况时对应的录井数据随时间的变化情况,利用多时间尺度方法将录井数据分为长时间尺度段数据和短时间尺度段数据;并分别采用最小二乘法和自适应阈值法提取长时缓变特征和短时突变特征;利用概率神经网络方法建立输入为当前时刻录井数据、长时缓变特征和短时突变特征,输出为井漏、钻具掉落、卡钻、超拉和正常五类钻进过程工况类型中的一种的钻进过程工况识别模型。本发明的有益效果是:减少钻进成本,提高钻进过程异常工况的识别速度和识别精度,为地质勘探钻进过程安全性监测与工况识别打下了良好的基础。
声明:
“基于多时间尺度特征和神经网络的钻进过程工况识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)