检索结果-维普期刊中文期刊服务平台

基于FCMFS特征选择算法的煤层气压裂效果预测: 1; 作者闵超郭星 +2 位作者华青张娜张馨慧《西南石油大学学报(自然科学版)》北大核心 2025年第2期95-104,共10页; 煤层气压裂效果与特征之间存在的非线性关系难以从机理层面进行分析,针对该问题,开展煤层气压裂效果特征内在联系研究,提出了一种基于FCMFS特征选择算法的煤层气压裂效果预测方法。该方法利用模糊综合评价进行标签标定,并采用遗传编程和... 展开更多; 关键词煤层气压裂效果主控因素遗传编程深度森林模型; 在线阅读下载PDF 职称材料

基于聚类匹配的煤层气压裂效果主控因素识别被引量：11: 2; 作者闵超代博仁 +3 位作者石咏衡杨兆中李小刚张馨慧《特种油气藏》 CAS CSCD 北大核心 2022年第4期135-141,共7页; 煤层气压裂效果与影响因素之间存在的非线性关系难以从机理层面进行系统分析,针对该问题,提出了一种基于聚类匹配的压裂效果主控因素识别方法。该方法从数据中挖掘影响因素的内在联系而非通过主观判断来分析压裂效果与影响因素之间的联... 展开更多; 关键词煤层气压裂凝聚聚类主控因素 K-MEANS聚类信息增益; 在线阅读下载PDF 职称材料

基于CBFS-CV算法的煤层气井压裂效果主控因素识别被引量：6: 3; 作者闵超张馨慧 +2 位作者杨兆中李小刚代博仁《油气地质与采收率》 CAS CSCD 北大核心 2022年第1期168-174,共7页; 准确识别煤层气井压裂效果的主控因素,进而有效指导重复压裂方案优化,是煤层气井提升重复压裂产能的关键。依托研究区块的地质及工程大数据,利用基于Copula互信息的特征选择和交叉验证算法(CBFS-CV)识别影响压裂效果的主控因素,并结合... 展开更多; 关键词煤层气压裂效果主控因素 Copula互信息回归模型大数据; 在线阅读下载PDF 职称材料

机器学习在油气行业中的应用进展综述被引量：16: 4; 作者闵超代博仁 +1 位作者张馨慧杜建平《西南石油大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期1-15,共15页; 近年来,随着深度学习的兴起,机器学习在油气领域得到了进一步深入发展。但是,由于油气行业的特殊性和复杂性,目前还没有建成适用于深度学习的训练样本库,也没有针对性的模型建立和选择方法体系。此外,深度学习方法的不可解释性,导致了... 展开更多; 关键词人工智能机器学习深度学习油气行业综述; 在线阅读下载PDF 职称材料

基于动态特征和深度神经网络的钻井漏失事故预测被引量：9: 5; 作者蔺研锋闵超 +1 位作者代博仁张馨慧《西安石油大学学报（自然科学版）》 CAS 北大核心 2022年第3期64-69,共6页; 为提高钻井漏失预测的准确性和实时性,建立了一套能够学习现场专家经验实现对钻井漏失事故预测的智能方法。首先,对采集到的综合录井数据利用小波滤波对录井数据进行降噪处理,并根据降噪的效果选取了滑动窗口的长度,降噪后数据的波形更... 展开更多; 关键词钻井漏失预测波形特征滑动窗口深度神经网络; 在线阅读下载PDF 职称材料

基于深度学习的问答系统开发: 6; 作者张馨慧李丹丹梁智强《数字技术与应用》 2021年第4期128-130,共3页; 基于深度学习的问答系统的研制利用了现有的网络信息爬取和自然语言处理的方面的相关技术,开发了一套基于网络爬虫的知识信息库自动构建系统和基于深度学习的问题回答语言组织系统,能够满足在日常生活中对于科学常识培训中的问题自动回... 展开更多; 关键词深度学习问答系统 B/S架构网络爬虫; 在线阅读下载PDF 职称材料

题名基于FCMFS特征选择算法的煤层气压裂效果预测: 1; 作者闵超郭星华青张娜张馨慧; 机构西南石油大学理学院西南石油大学人工智能研究院油气藏地质及开发工程全国重点实验室·西南石油大学中国石油西南油气田公司重庆气矿; 出处《西南石油大学学报(自然科学版)》北大核心 2025年第2期95-104,共10页; 基金四川省科技创新苗子工程资助项目(2022034) 西南油气田公司科研项目(20230303-10)。; 文摘煤层气压裂效果与特征之间存在的非线性关系难以从机理层面进行分析,针对该问题,开展煤层气压裂效果特征内在联系研究,提出了一种基于FCMFS特征选择算法的煤层气压裂效果预测方法。该方法利用模糊综合评价进行标签标定,并采用遗传编程和XGBoost算法进行影响因素特征构造和筛选,包括2个新构造特征(应力比和地质施工遗传因素)以及射孔段厚度、渗透率、破裂压力、煤体结构、含气饱和度和加砂强度等6个特征。实验结果表明,基于FCMFS特征选择算法所构造和筛选的8个特征,结合多种机器学习算法进行煤层气压裂效果预测时,在准确率、召回率、F1分类评价指标上提高了约5%~10%,其中,深度森林模型在训练集和测试集上具有最优的预测分类效果,在3项分类评价指标上均达到95%和80%以上。; 关键词煤层气压裂效果主控因素遗传编程深度森林模型; Keywords coalbed methane fracturing performance main controlling factor gene programming Deep Forest model; 分类号 TE122 [石油与天然气工程—油气勘探]; 在线阅读下载PDF 职称材料

题名基于聚类匹配的煤层气压裂效果主控因素识别被引量：11: 2; 作者闵超代博仁石咏衡杨兆中李小刚张馨慧; 机构西南石油大学理学院西南石油大学人工智能研究院西南石油大学油气藏地质及开发工程国家重点实验室国家管网集团油气调控中心; 出处《特种油气藏》 CAS CSCD 北大核心 2022年第4期135-141,共7页; 基金国家科技重大专项“多层复杂煤体结构区煤储层直井压裂技术研究”(2016ZX05044-004-002) 四川省科技计划项目“四川页岩气产业发展质量综合监测和评价技术研究与应用示范”(2020YFG0145) 成都市科技局国际合作项目“基于深度学习的孔隙网络渗流模拟理论和技术探讨”(2020-GH02-00023-HZ)。; 文摘煤层气压裂效果与影响因素之间存在的非线性关系难以从机理层面进行系统分析,针对该问题,提出了一种基于聚类匹配的压裂效果主控因素识别方法。该方法从数据中挖掘影响因素的内在联系而非通过主观判断来分析压裂效果与影响因素之间的联系。首先,以压裂后的产气指标数据为研究对象,利用凝聚聚类方法对样本井进行分类和效果评价;其次,利用K-means聚类算法结合信息增益排序与相关性分析,对影响因素进行分类与筛选,从中选取前置液用量、携砂液用量、含气饱和度、含气量、垂直应力、支撑剂用量、破裂压力、加砂强度8个因素;最后,对筛选出的因素进行样本聚类,将聚类结果与压裂效果的评价分类结果进行聚类匹配,实现了压裂效果主控因素的识别。与其他主控因素识别方法对比,验证了该方法的有效性和可操作性。该研究可为优化二次压裂施工方案提供技术支持。; 关键词煤层气压裂凝聚聚类主控因素 K-MEANS聚类信息增益; Keywords coalbed methane fracturing agglomeration clustering main controlling factors K-means clustering information gain; 分类号 TE357.2 [石油与天然气工程—油气田开发工程]; 在线阅读下载PDF 职称材料

题名基于CBFS-CV算法的煤层气井压裂效果主控因素识别被引量：6: 3; 作者闵超张馨慧杨兆中李小刚代博仁; 机构西南石油大学理学院西南石油大学人工智能研究院西南石油大学油气藏地质及开发工程国家重点实验室; 出处《油气地质与采收率》 CAS CSCD 北大核心 2022年第1期168-174,共7页; 基金国家科技重大专项“多层复杂煤体结构区煤储层直井压裂技术研究”(2016ZX05044-004-002) 四川省科技计划项目“四川页岩气产业发展质量综合监测和评价技术研究与应用示范”(2020YFG0145)。; 文摘准确识别煤层气井压裂效果的主控因素,进而有效指导重复压裂方案优化,是煤层气井提升重复压裂产能的关键。依托研究区块的地质及工程大数据,利用基于Copula互信息的特征选择和交叉验证算法(CBFS-CV)识别影响压裂效果的主控因素,并结合梯度提升回归模型进行产能预测检验,形成了一种改进的煤层气井压裂效果主控因素识别算法。该算法可有效减少冗余性特征且增大相关性,并确定最佳特征数目。结果表明:煤体结构、储层参数(含气量、含气饱和度和临储比)和施工排量参数(最大施工排量)是影响研究区块压裂效果的3个主控因素,通过梯度提升回归模型验证CBFS-CV算法所识别出的主控因素的预测符合率达88%,证明了该算法的有效性。利用结果对该区块典型井进行主控因素分析,采用氮气泡沫解堵方案解决煤体结构差、煤粉堵塞等问题,现场施工后日产气量由288 m^(3)/d增至805 m^(3)/d,压裂效果明显改善。; 关键词煤层气压裂效果主控因素 Copula互信息回归模型大数据; Keywords coalbed methane fracturing performance main controlling factor Copula-based mutual information regression model big data; 分类号 TE319 [石油与天然气工程—油气田开发工程]; 在线阅读下载PDF 职称材料

题名机器学习在油气行业中的应用进展综述被引量：16: 4; 作者闵超代博仁张馨慧杜建平; 机构西南石油大学理学院西南石油大学人工智能研究院中国石油浙江油田公司科技信息中心; 出处《西南石油大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期1-15,共15页; 基金国家自然科学基金(11601451) 四川省留学人员科技活动项目择优资助项目(省892)。; 文摘近年来,随着深度学习的兴起,机器学习在油气领域得到了进一步深入发展。但是,由于油气行业的特殊性和复杂性,目前还没有建成适用于深度学习的训练样本库,也没有针对性的模型建立和选择方法体系。此外,深度学习方法的不可解释性,导致了学习的模型对环境的高度依赖,制约了机器学习在油气行业中的推广应用。从机器学习的发展阶段出发,介绍机器学习在油气行业各领域的应用中所涉及的重大突破及仍然存在的问题。针对油气行业中不同类型数据的处理方法、样本建立以及如何进行模型适应性分析等方面给出了建议,提出可解释机器学习在油气人工智能上的发展潜力以及研究方向。; 关键词人工智能机器学习深度学习油气行业综述; Keywords artificial intelligence machine learning deep learning oil and gas industry review; 分类号 TE19 [石油与天然气工程—油气勘探]; 在线阅读下载PDF 职称材料

题名基于动态特征和深度神经网络的钻井漏失事故预测被引量：9: 5; 作者蔺研锋闵超代博仁张馨慧; 机构西南石油大学理学院西南石油大学人工智能研究院西南石油大学油气藏地质与开发工程国家重点实验室; 出处《西安石油大学学报（自然科学版）》 CAS 北大核心 2022年第3期64-69,共6页; 基金国家科技重大专项专题“多层复杂煤体结构区煤储层直井压裂技术研究”(2016ZX05044-004-002) 四川省科技计划项目-重点研发项目(2020YFG0145) 成都市科技局国际合作项目(2020-GH02-00023-HZ)。; 文摘为提高钻井漏失预测的准确性和实时性,建立了一套能够学习现场专家经验实现对钻井漏失事故预测的智能方法。首先,对采集到的综合录井数据利用小波滤波对录井数据进行降噪处理,并根据降噪的效果选取了滑动窗口的长度,降噪后数据的波形更加平滑,上升或下降趋势更明显;然后通过研究井漏点周围4个动态特征的波形,使用滑动窗口对钻井曲线波形进行截取;最后分别用长短期记忆神经网络(LSTM)、双向长短期记忆神经网络(Bi-LSTM)、简化的AlexNet以及VGGNet对井漏事故进行实时滚动预测。实验结果表明,相对于卷积神经网络,LSTM和Bi-LSTM能够提取综合录井曲线动态变化的自相关特性,提取的特征更具有代表性,对井漏事故预测的准确率更高。; 关键词钻井漏失预测波形特征滑动窗口深度神经网络; Keywords lost circulation prediction waveform feature sliding window deep neural network; 分类号 TE927 [石油与天然气工程—石油机械设备]; 在线阅读下载PDF 职称材料

题名基于深度学习的问答系统开发: 6; 作者张馨慧李丹丹梁智强; 机构北方工业大学信息学院; 出处《数字技术与应用》 2021年第4期128-130,共3页; 文摘基于深度学习的问答系统的研制利用了现有的网络信息爬取和自然语言处理的方面的相关技术,开发了一套基于网络爬虫的知识信息库自动构建系统和基于深度学习的问题回答语言组织系统,能够满足在日常生活中对于科学常识培训中的问题自动回答功能。软件包含转换为文字后的问题关键字提取、知识库建立和检索、网络爬虫抓取答案、答案语言自动组织四个方面主要功能。此外,基于深度学习的自动答疑软件将上述功能集成为了一套B/S架构的智能答疑系统软件,并支持教师、学生、管理员三种角色的注册、登陆和各自角色功能的使用。; 关键词深度学习问答系统 B/S架构网络爬虫; Keywords Deep learning Question answering system B/S Frame Web spider; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于FCMFS特征选择算法的煤层气压裂效果预测	闵超郭星华青张娜张馨慧	《西南石油大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于聚类匹配的煤层气压裂效果主控因素识别	闵超代博仁石咏衡杨兆中李小刚张馨慧	《特种油气藏》 CAS CSCD 北大核心	2022	11	在线阅读下载PDF 职称材料
3	基于CBFS-CV算法的煤层气井压裂效果主控因素识别	闵超张馨慧杨兆中李小刚代博仁	《油气地质与采收率》 CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
4	机器学习在油气行业中的应用进展综述	闵超代博仁张馨慧杜建平	《西南石油大学学报（自然科学版）》 CAS CSCD 北大核心	2020	16	在线阅读下载PDF 职称材料
5	基于动态特征和深度神经网络的钻井漏失事故预测	蔺研锋闵超代博仁张馨慧	《西安石油大学学报（自然科学版）》 CAS 北大核心	2022	9	在线阅读下载PDF 职称材料
6	基于深度学习的问答系统开发	张馨慧李丹丹梁智强	《数字技术与应用》	2021	0	在线阅读下载PDF 职称材料