基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测

摘要：

考虑影响钩载、扭矩的因素复杂多样及钻井过程的时序性特点,优选BP神经网络和长短期记忆神经网络,设计双输入网络架构,建立大钩载荷与转盘扭矩智能预测模型.该模型同时考虑影响钩载、扭矩的多种复杂参数以及钩载、扭矩等时序数据随时间变化的趋势和前后关联,通过时序性数据和非时序性数据共同预测大钩载荷与转盘扭矩.利用国内某油田钻井现场数据进行大钩载荷与转盘扭矩的预测,均方根误差分别为39.05 kN和1.6274 kN·m,平均相对误差分别为1.202％和9.038％.

关键词：大钩载荷、转盘扭矩、BP神经网络、长短期记忆神经网络、人工智能

所属期刊栏目：46

分类号：TE21(钻井工程)

资助基金：中国石油天然气集团有限公司-中国石油大学北京战略合作科技专项;国家重点研发计划

在线出版日期：2022-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：76-84