10.19335/j.cnki.2095-6649.2019.01.015
深度学习神经网络在电潜泵井口排量预测与工况诊断中的应用
针对潜油电泵井运行状态的多变量、非线性、强耦合的复杂时序系统,传统的电流卡片、参数阈值方法难以建立精确的工况诊断与产量预警模型,提出一种基于深度学习循环神经网络的长短时记忆算法对电泵井运行状态建模.利用海上油田电泵井大量实时数据,基于Tensorflow框架搭建神经网络模型,实现电泵井井口产量预测,并实现多种异常工况的诊断.
深度学习、RNN、LSTM、Tensorflow、潜油电泵、井口排量、工况诊断
9
TD54(矿山运输与设备)
2019-05-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
80-86