基于卷积神经网络的压裂停泵数据滤波方法 |
| |
引用本文: | 徐靓,李道伦,查文舒.基于卷积神经网络的压裂停泵数据滤波方法[J].合肥工业大学学报(自然科学版),2023(12):1717-1721. |
| |
作者姓名: | 徐靓 李道伦 查文舒 |
| |
作者单位: | 合肥工业大学数学学院 |
| |
基金项目: | 国家自然科学基金资助项目(12172115); |
| |
摘 要: | 水力压裂停泵时,由于水击效应的影响,井口处压力会产生波动,此时测量得到的压力数据不能反映真实的渗流情况,不利于试井解释,需要对压裂停泵后的压力数据进行数据滤波。针对该问题,文章提出一种基于卷积神经网络的滤波方法:基于方差思想,构造可表征数据离散程度的损失函数,用以约束滤波后数据的离散程度;基于停泵压力数据的物理特征,给出可保留停泵压力最高点的损失函数表征方法;在此基础上,构造一个9层的卷积神经网络模型,使得神经网络能够合理完成数据滤波。对于水平井多段压裂停泵压力数据的样本,只需进行1次合适的参数调整,同一网络框架可以完成对以上不同段压力数据的处理,且实验效果好;以均值和相对误差为参照标准,对比滤波前后的压力数据,滤波后的数据与原始数据相比,离散程度变化较小,且与原有数据相比仍能保持较小的相对误差,基本稳定在0.2%左右。该滤波方法为压裂效果评价提供了可靠数据,具有广阔的应用前景。
|
关 键 词: | 数据滤波 神经网络 自定义损失函数 一维卷积 水击效应 水力压裂 |
|
|