期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Transformer算法的智能完井异常检测方法
1
作者
ARANHA Esteves Pedro
POLICARPO Angelica Nara
SAMPAIO Augusto Marcio
《石油勘探与开发》
北大核心
2025年第4期907-918,共12页
提出了一种多变量石油生产时间序列数据异常检测方法,基于Transformer算法识别智能完井过程中与层段控制阀相关的异常事件,并开展应用实例分析。Transformer算法能够有效处理数据漂移、捕捉复杂规律,因此在时间序列异常检测方面具有显...
提出了一种多变量石油生产时间序列数据异常检测方法,基于Transformer算法识别智能完井过程中与层段控制阀相关的异常事件,并开展应用实例分析。Transformer算法能够有效处理数据漂移、捕捉复杂规律,因此在时间序列异常检测方面具有显著优势;采用的自注意力机制能够使相关模型适应数据分布随时间发生的漂移,从而弹性应对时间序列数据的可能变化;能够高效识别复杂的时间依赖关系和长程交互作用,而传统模型通常难以实现这一功能。在桑托斯盆地盐下油藏超深水井中进行了现场测试,结果表明:模型实现了层段控制阀异常的早期识别,从而最大限度地减少非生产时间并保护井筒完整性;准确率达到0.954 4,平衡准确率为0.969 4,F1分数为0.957 4,与以往研究中采用的模型相比提升显著。
展开更多
关键词
异常检测
智能完井
层段控制阀
井筒完整性
油井监测
深度学习
Transformer算法
在线阅读
下载PDF
职称材料
题名
基于Transformer算法的智能完井异常检测方法
1
作者
ARANHA Esteves Pedro
POLICARPO Angelica Nara
SAMPAIO Augusto Marcio
机构
巴西国家
石油
公司
圣保罗大学理工学院采矿与石油工程系
出处
《石油勘探与开发》
北大核心
2025年第4期907-918,共12页
文摘
提出了一种多变量石油生产时间序列数据异常检测方法,基于Transformer算法识别智能完井过程中与层段控制阀相关的异常事件,并开展应用实例分析。Transformer算法能够有效处理数据漂移、捕捉复杂规律,因此在时间序列异常检测方面具有显著优势;采用的自注意力机制能够使相关模型适应数据分布随时间发生的漂移,从而弹性应对时间序列数据的可能变化;能够高效识别复杂的时间依赖关系和长程交互作用,而传统模型通常难以实现这一功能。在桑托斯盆地盐下油藏超深水井中进行了现场测试,结果表明:模型实现了层段控制阀异常的早期识别,从而最大限度地减少非生产时间并保护井筒完整性;准确率达到0.954 4,平衡准确率为0.969 4,F1分数为0.957 4,与以往研究中采用的模型相比提升显著。
关键词
异常检测
智能完井
层段控制阀
井筒完整性
油井监测
深度学习
Transformer算法
Keywords
anomaly detection
intelligent well completion
interval control valve
well integrity
oil well monitoring
deep learning
Transformer algorithm
分类号
TE257 [石油与天然气工程—油气井工程]
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Transformer算法的智能完井异常检测方法
ARANHA Esteves Pedro
POLICARPO Angelica Nara
SAMPAIO Augusto Marcio
《石油勘探与开发》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
