基于分布式光纤声波监测数据和机器学习的井筒流体类型识别方法

基于建立的实尺寸水平井筒流体流动光纤监测模拟试验系统，开展油气水流动模拟试验，获得不同流体流动情况下的分布式光纤声波监测(DAS)数据；利用小波时间散射变换和短时傅里叶变换对DAS数据进行处理，提取流体流动特征，建立基于机器学习的井筒流体类型识别分类方法。结果表明：融合低方差散射特征和短时时频特征数据能提高流体类型识别的准确率，并且随机森林算法的识别结果优于BP神经网络和决策树；该方法为井筒多相流体流动识别提供了一种新的技术手段。