-
题名基于工程经验知识约束神经网络的套管选材推荐模型
- 1
-
-
作者
李奕政
陈掌星
王正
孟洋
张永安
丁瑞辰
-
机构
宁波东方理工大学
香港理工大学
宁波数字孪生(东方理工)研究院
中国石油大学(北京)石油工程学院
美国工程院
-
出处
《钻采工艺》
北大核心
2025年第1期29-36,共8页
-
文摘
科学合理的套管设计对于保障油气生产安全、预防资源浪费与财产损失至关重要,是确保钻井及开采作业顺利进行的核心要素。文章针对套管设计所面临的日渐复杂的工况及数据管理难题,提出了一种工程经验知识约束神经网络(EKNN)的方法,旨在指导套管设计工作。该方法利用现有套管数据资产,基于机器学习的强大数据处理能力,构建一个高效的套管选材推荐模型,通过嵌入套管强度校核知识,提高模型选材推荐的科学性和安全性。首先基于套管数据资产构建套管选材数据集,选取经典的MLP(Multi-layer Perceptron,多层感知机)神经网络建立套管选材推荐模型;采用多任务学习策略设计网络结构,模型在训练过程中优化套管的壁厚及钢级分类;然后以模型预测精度通过超参数优化工具Optuna优化模型超参数;最后以损失函数修正的方式嵌入套管强度校核知识(工程经验知识约束)完成EKNN模型的建立。工程经验知识约束神经网络模型对套管选材的预测精度可达90%以上,模型预测得出的套管选材可以很好地满足套管柱强度设计要求,为各油气田有效利用累积的数据资产、降低成本及优化决策提供有力支持。
-
关键词
套管设计
工程经验知识约束
神经网络
损失函数修正
-
Keywords
casing design
engineering empirical knowledge
neural network
loss function correction
-
分类号
G63
[文化科学—教育学]
-
