【技术实现步骤摘要】
本专利技术涉及石油工业采油气工程，特别是涉及一种基于自适应周期划分与深度学习的泡排时机预测方法。
技术介绍
1、在天然气开发过程中，随着气井开采进入中后期，地层能量逐渐衰减，普遍存在井筒积液现象。泡沫排水采气工艺作为经济有效的排液措施，其核心在于泡排剂的科学加注。在传统的泡排剂加注时机的确定上，往往通过压差、周期计算及定性化的生产经验来确定气井的泡排的加注时机；或构建基于物理原理的数学模型来模拟气井内部流体流动行为。通过调整模型参数拟合实际生产数据，从而预测未来的状态。随着人工智能技术的发展，传统的机器学习方法被引入进油气井生产领域，根据气井生产数据特征，使用adaboost构造多决策树之后进行集成，形成强分类器的方法预测泡排剂加注时机。
2、然而，现有的泡排剂加注时机的预测方法存在以下三个问题：（1）缺乏动态适应性，传统的加注时机预测方法多基于静态的物理模型或简单的经验公式，难以适应气井在开采过程中动态变化的生产条件；（2）数据特征挖掘不足，现有的预测模型在处理气井生产数据时，未能充分利用数据中的复杂特征和时间序列信息；（...
【技术保护点】
1.一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述S1中，根据所述气井生产动态数据进行泡排周期的阶段划分，包括以下步骤：
3.根据权利要求1所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述S2，对不同泡排阶段的动态数据进行采样，得到正负样本，包括以下步骤：
4.根据权利要求3所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述步骤述S2，对不同泡排阶段的动态数据...
【技术特征摘要】
1.一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述s1中，根据所述气井生产动态数据进行泡排周期的阶段划分，包括以下步骤：
3.根据权利要求1所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述s2，对不同泡排阶段的动态数据进行采样，得到正负样本，包括以下步骤：
4.根据权利要求3所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述步骤述s2，对不同泡排阶段的动态数据进行采样，得到正负样本，具体包括以下步骤：
5.根据权利要求1所述的一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，所述s3，基于所述正负样本建立泡排剂加注时机预测模型，具体包括：
6.根据权利要求5所述的一种基于自适应周期...
【专利技术属性】
技术研发人员：陈雁，张朋，魏峰，熊斌，王帅，张艺萌，易雨，石诚，胡治权，朱敏，胡斌，曾星杰，王骞，张翀，尹红，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。