-
题名基于E-ASW-LA模型的井下振动模式识别
- 1
-
-
作者
刘昕
熊文婷
孔华
李德
于子涵
李忠伟
-
机构
中国石油大学(华东)青岛软件学院、计算机科学与技术学院
中石化石油工程技术研究院有限公司
中石化西北油田分公司
温州肯恩大学理工学院
中国石油大学(华东)海洋与空间信息学院
-
出处
《石油机械》
北大核心
2025年第9期10-19,共10页
-
基金
国家自然科学基金项目“基于无人机同轴三传感器观测的沿岸排污混合区智能监测技术——以海水养殖为例”(62071491)
山东省自然科学基金项目“基于区块链的重大舆情事件分析与推演”(ZR2020MF045)。
-
文摘
准确识别井下振动模式可针对具体异常类型采取相应的解决方案。为此,提出一种基于E-ASW-LA模型的井下振动模式识别方法。该模型包括滑动窗口层、特征提取层以及分类识别层。根据预处理后的井下振动数据方差特征设置动态窗口,得到不同长度的窗口;在特征提取层,对窗口内样本利用经验模态分解得到能表征样本振动模式的特征,并经过PCA算法降维处理;然后,输入到LSTM神经网络中学习时序依赖关系,利用注意力机制对特征分配权重,进而根据加权后的特征预测其振动模式。试验结果表明,该模型能捕捉样本的关键特征,精准挖掘井下振动模式内在的规律,识别精度达95.53%。研究结论为优化钻井参数和作业流程提供了重要决策依据。
-
关键词
井下振动模式识别
振动数据
滑动窗口
经验模态分解
注意力机制
-
Keywords
downhole vibration mode identification
vibration data
sliding window
empirical mode decomposition
attention mechanism
-
分类号
TE927
[石油与天然气工程—石油机械设备]
-
