多因子长时序信息联合建模的深度卷积卡钻事故预测
为充分运用钻井监测平台多个监测因子的长时序信息,实现海上石油钻井卡钻事故的准确预测,提出一种多因子长时序信息联合建模的深度卷积卡钻预测方法(CNN-MFT),利用自注意力机制结合卷积网络对多个监测因子的时序信息进行联合建模,同时考虑当前时刻各因子的具体值的信息以及各因子的历史时序信息,实现准确的卡钻预测.使用海上钻井平台实际监测数据开展验证对比,与目前常用的基于随机森林(RF)、SVM等8种卡钻预测方法相比,所提的CNN-MFT方法在50%和70%等不同训练样本比例的条件下,其卡钻事故预测准确率最高,且稳定性强,可为海上石油事故预测应用提供关键算法支撑.
卡钻预测、卷积网络、时序信息、多因子建模、海上石油、深度学习
31
TP391;TU111.19+5;TP183
中国海洋石油集团有限公司重大科技专项T1030811PY
2022-09-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
333-341