[发明专利]压裂施工压力预测模型建立方法及装置、预测方法及装置有效
申请号: | 202210052900.5 | 申请日: | 2022-01-18 |
公开(公告)号: | CN114398786B | 公开(公告)日: | 2023-04-14 |
发明(设计)人: | 胡晓东;周福建;刘健;王天宇;易普康;罗英浩;陈超;梁天博;李奔;曲鸿雁;姚二冬;王博;刘雄飞;杨凯;左洁 | 申请(专利权)人: | 中国石油大学(北京) |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06N3/04;G06N3/08 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 许曼;刘飞 |
地址: | 102249*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 施工 压力 预测 模型 建立 方法 装置 | ||
1.一种压裂施工压力预测模型建立方法,其特征在于,包括:
收集多个时间步长的压裂现场施工数据及压裂规划数据,其中,每一时间步长的压裂现场施工数据包括施工压力数据、施工排量及施工砂浓度,每一时间步长的泵压裂规划数据包括规划排量及规划砂浓度;
根据p个时间步长的压裂现场施工数据及p+1~p+q个时间步长的压裂规划数据,构建多个输入样本,其中,p和q为正整数;
根据p+1~p+q个时间步长的施工压力,构建多个与输入样本相对应的标定施工压力向量;
利用所述多个输入样本及标定施工压力向量,训练预先建立的神经网络模型中的参数,将训练得到的神经网络模型作为施工压力预测模型;
根据p个时间步长的压裂现场施工数据及p+1~q个时间步长的压裂规划数据,构建多个输入样本,包括:
将每连续p个时间步长的压裂现场施工数据及该连续p个时间步长之后的p+1~p+q个时间步长的压裂规划数据组成非等长数据组;
对所述非等长数据组进行数据填充处理,得到输入样本;
对所述非等长数据组进行数据填充处理,得到输入样本,包括:
确定所述非等长数据组中最短的数据序列以及最长的数据序列;
将最短的数据序列用占位符填充至与最长数据序列等长。
2.如权利要求1所述的压裂施工压力预测模型建立方法,其特征在于,所述神经网络模型包括:输入层、掩盖层、隐藏层及输出层;
所述输入层用于接收输入样本的张量,其中,所述输入样本的张量包括样本数、输入样本的时间步长及三维向量,其中,三维向量包括压力数据、排量及砂浓度;
所述掩盖层连接所述输入层,用于对三维向量中的填充数据进行打标处理;
所述隐藏层连接掩盖层,用于接收所述掩盖层的输出及上一时间步长隐藏层的输出,若掩盖层输出的数据具有填充数据,则将上一时间步长隐藏层的输出发送至下一时间步长的隐藏层的输入,若掩盖层输出的数据无填充数据,则接收上一时间步长隐藏层的输出;
所述输出层接收隐藏层的输出,根据隐藏层的输出预测得到q个时间步长的施工压力。
3.如权利要求1所述的压裂施工压力预测模型建立方法,其特征在于,利用所述多个输入样本及标定施工压力向量,训练预先建立的神经网络模型中的参数,包括:
a.将所述多个输入样本逐一输入至神经网络模型中,分别得到多个预测施工压力向量;
b.根据预测施工压力向量及相关标定施工压力向量,计算误差值;
c.判断误差值是否满足预设条件,若不满足,则执行步骤d,若满足,则完成神经网络模型参数的训练;
d.调整所述神经网络模型中的参数,继续执行步骤a至步骤c。
4.一种压裂施工压力预测方法,其特征在于,利用权利要求1至3任意一项所述方法建立施工压力预测模型,所述压裂施工压力预测方法包括:
根据当前时刻最近p个时间步长内收集的压裂现场施工数据以及压裂规划数据,按照所述施工压力预测模型的输入样本格式,构建输入向量;
将所述输入向量输入至所述施工压力预测模型中,预测得到当前时刻之后的q个时间步长的施工压力值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油大学(北京),未经中国石油大学(北京)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210052900.5/1.html,转载请声明来源钻瓜专利网。