基于深度学习的水下井口弯曲应力预测方法

摘要：

水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容.为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力.根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证.研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2％,决定系数大于0.999.该弯曲应力预测方法可为水下井口疲劳损伤评估提供支撑.

关键词：水下井口、深度学习、长短期记忆网络、疲劳监测、弯曲应力预测

所属期刊栏目：51

分类号：TE88(石油、天然气储存与运输)

在线出版日期：2023-08-28（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：64-72