首页|基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测

基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测

Prediction of hook load and rotary drive torque during well-drilling using a BP-LSTM network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
考虑影响钩载、扭矩的因素复杂多样及钻井过程的时序性特点,优选BP神经网络和长短期记忆神经网络,设计双输入网络架构,建立大钩载荷与转盘扭矩智能预测模型.该模型同时考虑影响钩载、扭矩的多种复杂参数以及钩载、扭矩等时序数据随时间变化的趋势和前后关联,通过时序性数据和非时序性数据共同预测大钩载荷与转盘扭矩.利用国内某油田钻井现场数据进行大钩载荷与转盘扭矩的预测,均方根误差分别为39.05 kN和1.6274 kN·m,平均相对误差分别为1.202％和9.038％.

宋先知、朱硕、李根生、曾义金、郭慧娟、胡志坚

展开 >

中国石油大学(北京)石油工程学院,北京102249

中国石油大学(北京)油气资源与探测国家重点实验室,北京102249

中国石化石油工程技术研究院,北京100101

中国石油集团工程技术研究院有限公司,北京102206

展开 >

大钩载荷 转盘扭矩 BP神经网络 长短期记忆神经网络 人工智能

中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项国家重点研发计划

ZLZX2020-032019YFA0708300

2022

10.3969/j.issn.1673-5005.2022.02.007

中国石油大学学报(自然科学版)
中国石油大学

中国石油大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：1.169
ISSN：1673-5005
年,卷(期)：2022.46(2)
  • 6
  • 10