龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西南石油大学
摘要：本发明涉及一种基于时空数据特征的施工压力动态预测方法，包括：S1、获取多口井的原始施工数据以及地质数据；S2、提取施工数据中前置液开始阶段到停泵阶段的施工数据；S3、将施工数据构建时序数据，将施工数据和地质数据组合构建主动自变量数据；S4、建立混合神经网络模型以及LGBM梯度提升模型；S5、用时序数据和主动自变量分别训练混合神经网络模型和LGBM梯度提升模型；S6、获取压裂新井的施工数据，使用训练完成的模型进行预测；S7、初始化预测模型的权重值，更新迭代权重，获取最终预测值。本发明提供的方法不仅提高了施工压力的预测精度，还增强了作业过程的可控性和灵活性，为水力压裂作业提供了一种更为安全、高效的解决方案。
主权项：1.一种基于时空数据特征的施工压力动态预测方法，其特征在于，包括以下步骤：S1、获取多口井完整压裂施工周期的原始施工数据以及对应压裂层位所属的地质数据；S2、根据施工数据将完整压裂施工周期划分为不同区间，提取其中前置液开始阶段到停泵阶段的施工数据；S3、将步骤S2中获得施工数据进行预处理并通过滑动窗口算法构建时序数据，将施工数据和地质数据进行预处理后进行组合构建主动自变量数据；S4、建立CNN-LSTM-Attention混合神经网络模型用于接收时序数据，建立LGBM梯度提升模型用于接收主动自变量数据；S5、用步骤S3获得的时序数据训练CNN-LSTM-Attention混合神经网络模型，用主动自变量数据训练LGBM梯度提升模型，对训练过程进行超参数优化；S6、获取一口压裂新井的施工数据以及地质数据，正处于携砂液阶段刚开始时，使用步骤S5训练完成的模型对井底压力进行未来多步预测；S7、初始化CNN-LSTM-Attention混合神经网络模型和LGBM梯度提升模型预测结果的权重值，根据每轮的预测结果与真实压力分别计算两个模型的误差，对两个模型预测结果的权重进行优化，获取施工压力预测值。
全文数据：
权利要求：
百度查询： 西南石油大学 一种基于时空数据特征的施工压力动态预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号