泥页岩分类的BP神经网络方法

高级检索

泥页岩分类的BP神经网络方法

刘波, 鄢捷年, 李静

文章导航 > 石油钻采工艺 > 2003 > 25(4): 20-22

刘波, 鄢捷年, 李静. 泥页岩分类的BP神经网络方法[J]. 石油钻采工艺, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

引用本文:

刘波, 鄢捷年, 李静. 泥页岩分类的BP神经网络方法[J]. 石油钻采工艺, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

Liu Bo, Yan Jienian, Li Jing. PREDICTION OF THE SHALE PERFORMANCE BY THE BP NEURAL NETWORK[J]. Oil Drilling & Production Technology, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

Citation:

Liu Bo, Yan Jienian, Li Jing. PREDICTION OF THE SHALE PERFORMANCE BY THE BP NEURAL NETWORK[J]. Oil Drilling & Production Technology, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

泥页岩分类的BP神经网络方法

doi: 10.3969/j.issn.1000-7393.2003.04.007

1.
石油大学石油天然气工程学院, 北京 102249
2.
中国石化石油勘探开发研究院, 北京 100083

作者简介:
刘波,1975年生。现从字井壁稳定方面的研究。电话:010-89733893。

PREDICTION OF THE SHALE PERFORMANCE BY THE BP NEURAL NETWORK

1.
Petroleum Engineering Institute of Petroleum University

摘要: 为探讨X衍射资料与泥页岩理化性能之间的定性关系,建立一种智能化模型对泥页岩的类型进行快速识别。在分析泥页岩理化性能与X射线衍射资料数据关系的基础上,提出了用BP神经网络预测泥页岩理化性能参数的方法及相应的模型。并针对BP神经网络算法进行了改进,使模型网络训练时的收敛速度比常规方法快了4倍以上。通过现场试验数据验证,该模型预测符合率较高,能够满足实际应用的要求。
- 神经网络 /
- 泥页岩 /
- 预测 /
- 理化性能 /
- 井壁稳定 /
- 模式识别
Abstract: To analyse the relation between the X-Ray data and the shale performance.The model of BP neural network was designed here to predict the shale performance from by the X-Ray data.This model has been modified for good constringency rate more 4 times than that of the conventional methods.Thought the validation of the oil fields data,the model has a good performance and can meet the demand of the practical application.
- neural network /
- shale /
- prediction /
- shale performance /
- well stability /
- pattern recognition

[1]	罗鸣, 高德利, 黄洪林, 李军, 杨宏伟, 张更, 刘楷. 钻井液对页岩力学特性及井壁稳定性的影响 . 石油钻采工艺, 2022, 44(6): 1-8.
[2]	罗发强, 刘景涛, 陈修平, 李少安, 姚学喆, 陈冬. 基于BP和LSTM神经网络的顺北油田5号断裂带地层孔隙压力智能预测方法 . 石油钻采工艺, 2022, 44(4): 506-514. doi: 10.13639/j.odpt.2022.04.016
[3]	隋先富, 王彪, 范白涛, 于继飞, 刘兆年, 吕彦平. 基于人工神经网络的电潜泵电流卡片快速模式识别 . 石油钻采工艺, 2021, 43(2): 217-225. doi: 10.13639/j.odpt.2021.02.013
[4]	王文, 刘小刚, 窦蓬, 林海, 陶林. 基于神经网络的深层机械钻速预测方法 . 石油钻采工艺, 2018, 40(S1): 121-124. doi: 10.13639/j.odpt.2018.S0.034
[5]	胡成军, 陈强, 张鹏, 宋晓伟, 雷志永, 刘晓东. 渤海油田中深部地层井壁稳定对策 . 石油钻采工艺, 2018, 40(S1): 94-97. doi: 10.13639/j.odpt.2018.S0.026
[6]	屈展, 王萍, 吴学升, 崔莹, 张燕娜. 考虑泥页岩黏弹性的钻井液密度计算方法 . 石油钻采工艺, 2017, 39(1): 33-36, 41. doi: 10.13639/j.odpt.2017.01.006
[7]	崔云海, 刘厚彬, 杨海平, 马天寿. 焦石坝页岩气储层水平井井壁失稳机理 . 石油钻采工艺, 2016, 38(5): 545-552. doi: 10.13639/j.odpt.2016.05.001
[8]	赵家明, 胡家森, 刘秋霞, 劳达纭, 张艳, 郭定雄. 定向井泥页岩地层复杂事故处理 . 石油钻采工艺, 2016, 38(1): 23-29. doi: 10.13639/j.odpt.2016.01.006
[9]	赵凯, 樊勇杰, 于波, 韩继勇, 许永华, 高诗惠. 硬脆性泥页岩井壁稳定研究进展 . 石油钻采工艺, 2016, 38(3): 277-285. doi: 10.13639/j.odpt.2016.03.001
[10]	杨进, 张百灵, 周波, 徐鹏, 田瑞瑞. 深水浅层气地质灾害声波识别预测技术 . 石油钻采工艺, 2015, 37(1): 143-146. doi: 10.13639/j.odpt.2015.01.037
[11]	王金凤, 杨晨, 毛邓添, 苟斐斐. BP神经网络法预测水基绒囊钻井液当量静态密度　 . 石油钻采工艺, 2013, 35(6): 32-35.
[12]	袁野, 蔡记华, 王济君, 肖长波. 纳米二氧化硅改善钻井液滤失性能的实验研究　　 . 石油钻采工艺, 2013, 35(3): 30-33.
[13]	汪伟英, 夏健, 陶杉, 田文涛, 马丽, 孙玉英. 钻井液对煤层气井壁稳定性影响实验研究 . 石油钻采工艺, 2011, 33(3): 94-96.
[14]	吴超, 陈勉, 金衍. 利用地震反演技术钻前预测井壁稳定性 . 石油钻采工艺, 2006, 28(2): 18-20. doi: 10.3969/j.issn.1000-7393.2006.02.005
[15]	徐加放, 邱正松, 刘庆来, 张红星, 于连香. 塔河油田井壁稳定机理与防塌钻井液技术研究 . 石油钻采工艺, 2005, 27(4): 33-36. doi: 10.3969/j.issn.1000-7393.2005.04.011
[16]	冯其红, 陈耀武, 郭京来. 注水井调剖效果预测统计方法研究 . 石油钻采工艺, 2003, 25(6): 63-66. doi: 10.3969/j.issn.1000-7393.2003.06.020
[17]	杨进. 地层压力BP网络预测方法研究及其应用 . 石油钻采工艺, 2003, 25(3): 13-15. doi: 10.3969/j.issn.1000-7393.2003.03.004
[18]	薛亚东, 高德利. 基于人工神经网络的实钻地层可钻性预测 . 石油钻采工艺, 2001, 23(1): 26-28,83. doi: 10.3969/j.issn.1000-7393.2001.01.007
[19]	付亚荣, 马永忠, 吕德福, 孙英祥, 申玉健. 基于BP神经网络的高含硫油井硫化物应力腐蚀预测 . 石油钻采工艺, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022
[20]	梅文荣, 赖天华. 神经网络在固相颗粒损害仿真研究中的应用 . 石油钻采工艺, 1994, 16(4): 42-47. doi: 10.3969/j.issn.1000-7393.1994.04.006

WeChat

点击查看大图

计量

文章访问数: 311
HTML全文浏览量: 35
PDF下载量: 334
被引次数: 0

泥页岩分类的BP神经网络方法

doi: 10.3969/j.issn.1000-7393.2003.04.007

1. 石油大学石油天然气工程学院, 北京 102249

2. 中国石化石油勘探开发研究院, 北京 100083

作者简介:
刘波,1975年生。现从字井壁稳定方面的研究。电话:010-89733893。

收稿日期: 2019-05-22
修回日期: 2019-05-22
刊出日期: 1900-01-01

关键词:

摘要: 为探讨X衍射资料与泥页岩理化性能之间的定性关系,建立一种智能化模型对泥页岩的类型进行快速识别。在分析泥页岩理化性能与X射线衍射资料数据关系的基础上,提出了用BP神经网络预测泥页岩理化性能参数的方法及相应的模型。并针对BP神经网络算法进行了改进,使模型网络训练时的收敛速度比常规方法快了4倍以上。通过现场试验数据验证,该模型预测符合率较高,能够满足实际应用的要求。

English Abstract

刘波, 鄢捷年, 李静. 泥页岩分类的BP神经网络方法[J]. 石油钻采工艺, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

引用本文:

刘波, 鄢捷年, 李静. 泥页岩分类的BP神经网络方法[J]. 石油钻采工艺, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

Liu Bo, Yan Jienian, Li Jing. PREDICTION OF THE SHALE PERFORMANCE BY THE BP NEURAL NETWORK[J]. Oil Drilling & Production Technology, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

Citation:

Liu Bo, Yan Jienian, Li Jing. PREDICTION OF THE SHALE PERFORMANCE BY THE BP NEURAL NETWORK[J]. Oil Drilling & Production Technology, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

Copyright © 2018 《石油钻采工艺》 All Rights Reserved.冀ICP备09022885号-1

通信地址: 河北省任丘市华北油田采油工程研究院邮政编码: 062552

电话: 0317-2723370, 2724207传真: 0317-2724207Email: syzc@vip.163.com

本系统由北京仁和汇智信息技术有限公司设计开发技术支持: info@rhhz.net