基于长短时记忆神经网络的抽油机井故障智能预警

准确预测抽油机井故障对油田生产具有重要意义。针对新疆油田某区块抽油机井故障情况,统计了500口油井的生产数据,明确了结垢、结蜡、杆管腐蚀、杆管疲劳、杆管偏磨五种引发抽油机井故障的主要因素;基于长短时记忆神经网络（Long Short-Term Memory Networks, LSTM）,构建了油井故障智能预警模型;筛选出影响油井故障的14种特征参数进行小波降噪处理,借助自适应矩估计算法对模型进行训练与测试。研究结果表明,模型预测准确率为96.81%,能够为油田提供较为准确的抽油机井故障预警信息。     

中,小型工业企业设备管理系统

针对中、小型工业企业设备预防性修理计划编制和固定资产管理中存在的问题进行调查、分析，从实际出发利用微机开发的设备管理系统较好地解决了现存的问题，在系统中注重滚动计划的使用，从而保证了设备预防性修理计划编制和固定资产管理与主生产计划同步协调地开展．     

基于数字岩心和LBM的页岩气流固耦合数值模拟

页岩具有很强的压力敏感性,围压和孔压的变化会改变页岩孔隙的大小,从而对页岩气的流动规律产生影响,利用数字岩心结合格子Boltzmann方法(lattice Boltzmann method,LBM)来研究页岩气微观渗流规律得到越来越多学者的重视.本文建立了应力条件下的数字岩心应力应变模型和页岩气渗流LBM模型,研究了应力对页岩气渗流的影响规律.研究结果表明:有机质中的纳米孔隙对应力更加敏感,随应力变化的程度相比矿物骨架孔隙更大,从而影响页岩气在纳米孔隙中的解吸和扩散;孔压对各渗流机理的影响要比围压的影响大,是因为孔压的变化不仅影响了孔隙的尺寸还影响了气体的平均分子自由程;当平均孔压从17 MPa降低到5 MPa时,解吸的气体量和通过扩散流动的气体量占总气体流量的比例不断增加,分别增加了2%和1.9%,而通过滑脱流动的气体量占总气体流量的比例不断减少,减少了3.8%.利用应力条件下的数字岩心和格子Boltzmann方法可以更精确地模拟页岩气在储层中的流动规律,更好地理解页岩气的产出机理.     

裂缝性页岩油储层三维数字岩心电阻率模拟

根据吉木萨尔页岩油储层岩样的扫描电镜(FIB-SEM)图像,通过BP神经网络分割方法得到页岩的孔隙、微裂缝结构信息,进而利用改进四参数随机生长法和二维分数布朗运动模型重构了精细的、具有裂缝-基质孔隙双重介质的页岩三维数字岩心,并采用有限元方法对其模拟计算了不同裂缝参数下的有效电阻率,最后分析了不同的润湿性以及裂缝排列方...