CN111119835A - 一种随钻工况识别方法及系统 - Google Patents
一种随钻工况识别方法及系统 Download PDFInfo
- Publication number
- CN111119835A CN111119835A CN201811293635.XA CN201811293635A CN111119835A CN 111119835 A CN111119835 A CN 111119835A CN 201811293635 A CN201811293635 A CN 201811293635A CN 111119835 A CN111119835 A CN 111119835A
- Authority
- CN
- China
- Prior art keywords
- drilling
- working condition
- data
- identification model
- condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Earth Drilling (AREA)
Abstract
一种随钻工况识别方法，包括：步骤一、在地面端利用获取到的测量参数的历史数据以及对应的钻井工况构建工况识别模型，工况识别模型能够根据测量数据确定相应的钻井工况；步骤二、将工况识别模型写入随钻仪器，以由随钻仪器在钻进过程中利用工况识别模型根据获取到的测量参数的实时数据确定实时钻井工况。本方法能够使得随钻工况识别系统仅仅在井下即可实现对于钻井工况的实时识别，其并不需要像现有技术那样将获取到的测量参数的实时数据传输至地面端来由地面端进行识别，随钻工况识别系统也就可以相应地省略数据传输设备，这样也就可以有效减小随钻仪器的体积以及成本。
Description
技术领域
本发明涉及油气勘探开发技术领域，具体地说，涉及一种随钻工况识别方法及系统。
背景技术
钻井是一种高风险作业，在钻井作业的整个活动中都可能潜在对健康、安全与环境危害的影响因素。在复杂层段和新探区，凭经验钻井往往事故不断，造成资金和时间的巨大浪费。而钻井参数能够提供丰富的钻井工程信息，不仅可以对钻井工况以及有关参数进行实施监测，而且可以及时预设可能出现的复杂情况和钻井事故。
发明内容
本发明提供了一种随钻工况识别方法，所述方法包括：
步骤一、在地面端利用获取到的测量参数的历史数据以及对应的钻井工况构建工况识别模型，所述工况识别模型能够根据测量数据确定相应的钻井工况；
步骤二、将所述工况识别模型写入随钻仪器，以由所述随钻仪器在钻进过程中利用所述工况识别模型根据获取到的测量参数的实时数据确定实时钻井工况。
根据本发明的一个实施例，所述测量数据包括以下所列项中的任一项或几项：
定向参数、工程参数以及地质参数。
根据本发明的一个实施例，在所述步骤一中，还根据所述测量参数的历史数据生成所述测量参数在特定周期内的相对变化值数据，并利用所述测量参数的历史数据及其相对变化值数据，来结合所对应的钻井工况构建所述工况识别模型。
根据本发明的一个实施例，所述工况识别模型包括人工神经网络，在所述步骤一中，将所述测量参数的历史数据及其相对变化值数据作为所述人工神经网络的输入数据，将对应的钻井工况作为所述人工神经网络的输出数据，通过训练得到所述人工神经网络的权值矩阵，进而确定出所述工况识别模型。
本发明还提供了一种随钻工况识别系统，所述系统包括采用如上任一项所述的方法来进行钻井工况识别。
根据本发明的一个实施例，所述系统包括：
数据获取装置，其用于获取待分析钻井在钻进过程测量参数的实时数据；
随钻工况识别装置，其与所述数据获取装置连接，其内部存储有工况识别模型，能够利用所述工况识别模型根据所述测量参数的实时数据确定确定实时钻井工况。
根据本发明的一个实施例，所述系统还包括：
工况识别模型构建装置，其设置在地面端，用于利用获取到的测量参数的历史数据以及对应的钻井工况构建工况识别模型，所述工况识别模型能够根据测量数据确定相应的钻井工况。
根据本发明的一个实施例，所述工况识别模型构建装置配置为根据所述测量参数的历史数据生成所述测量参数在特定周期内的相对变化值数据，并利用所述测量参数的历史数据及其相对变化值数据，来结合所对应的钻井工况构建所述工况识别模型。
根据本发明的一个实施例，所述系统还包括：
数据写入装置，其用于连接所述工况识别模型构建装置和随钻工况识别装置，以将所述工况识别模型写入所述随钻工况识别装置，从而使得所述随钻工况识别装置能够离线地利用所述工况识别模型。
根据本发明的一个实施例，所述随钻工况识别装置的数据处理能力小于所述工况识别模型构建装置的数据处理能力。
本发明所提供的随钻工况识别方法能够使得随钻工况识别系统仅仅在井下即可实现对于钻井工况的实时识别，其并不需要像现有技术那样将获取到的测量参数的实时数据传输至地面端来由地面端进行识别。而由于本方法以及系统在钻井工况识别的过程中并不需要进行地面端与随钻仪器之间的数据传输，因此随钻工况识别系统也就可以相应的省略数据传输设备，这样也就可以有效减小随钻仪器的体积以及成本。
同时，现有技术通过将测量参数的实时数据传输至地面端来由地面端进行识别，而地面端与随钻仪器之间的数据传输过程很可能会收到干扰，而本系统由于采用的是直接在井下进行实时工况识别的方式，因此也就可以有效避免由于数据传输而对最终工况识别结果所造成的干扰。
此外，本系统通过直接在井下进行实时工况识别，其相较于现有技术更加快捷和高效，这样也就有助于根据实时工况及时地调节随钻仪器的工作模式，不仅有助于提高随钻仪器的工作效率、延长仪器使用寿命，还能够有效减少随钻仪器的电能损耗。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：
图1是根据本发明一个实施例的随钻工况识别方法的实现流程示意图；
图2是根据本发明一个实施例的随钻工况识别系统的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
大数据的核心是预测，将数学算法运用到海量的数据上来预测事情发生的可能性。现有的智能钻井大数据技术利用先进的通讯技术，通过对钻井参数的收集整理并在地面端利用高级计算机算法进行分析，从而设计最佳的钻井方案。其最终目标是将智能化大数据钻井技术渗透到整个钻井过程中。
现阶段，大数据钻井技术主要集中在根据测量的参数，由地面PC端进行数据处理，以优化钻井方案。而井下仪器方面缺乏对大数据的分析和处理，如钻井工况的自动识别等。
针对现有技术中所存在的问题，本发明提供了一种新的随钻工况识别方法以及应用该方法进行实时工况识别的系统，该方法能够使得实时工况识别系统可以在井下来实时地对钻井工况进行识别，进而调整随钻仪器的工作模式。
为了更加清楚地阐明本发明所提供的随钻工况识别方法以及系统实现其功能的原理、流程以及优点，以下结合图1和图2来进行进一步的说明。其中，图 1示出了本实施例所提供的随钻工况识别方法的实现流程示意图，图2示出了本实施例所提供的随钻工况识别系统的结构示意图。
如图1所示，本实施例所提供的随钻工况识别方法首先会在步骤S101中获取测量参数的历史数据以及对应的钻井工况。其中，测量参数的历史数据优选地是周期性地获取并存储在大容量数据存储器中，而这些测量参数的历史数据所对应的钻井工况则可以是由人工记录的。当然，在本发明的其他实施例中，测量数据的历史数据所对应的钻井工况也可以是利用现有技术而在地面PC端识别得到的。
本实施例中，上述测量参数优选地包括定向参数、工程参数以及地质参数。需要指出的是，在本发明的其他实施例中，上述测量参数既可以仅包含以上所列项中的某一项或某几项，还可以包含其他未列出的合理项，本发明不限于此。
该方法在步骤S102中在地面端利用测量参数的历史数据以及对应的钻井工况构建工况识别模型。具体地，本实施例中，该方法优选地利用人工神经网络来构建工况识别模型。其中，该方法会将测量参数的历史数据作为该人工神经网络的输入数据，并将已知的对应的钻井工况作为该人工神经网络的输出数据。利用测量参数的历史数据以及对应的钻井工况对人工神经网路进行训练，最终可以得到该人工神经网络的权值矩阵，由此也就得到了工况识别模型。
当然，在本发明的其他实施例中，根据实际需要，该方法还可以采用其他合理方式来利用测量参数的历史数据及其对应的钻井工况来构建工况识别模型，本发明不限于此。例如，在本发明的一个实施例中，该方法在步骤S102中还可以根据上述测量参数的历史数据生成这些测量参数在特定周期内的相对变化值数据，并利用这些测量参数的历史数据以及相对变化值数据来作为人工神经网络的输入数据，将已知的对应的钻井工况作为该人工神经网络的输出数据，来训练得到工况识别模型。
由于工况识别模型的构建过程需要大量的数据处理量，因此为了提高工况识别模型的构建效率，本实施例所提供的方法在地面端利用具有较高数据处理能力的仪器来训练得到所需要的工况识别模型。然而，为了能够在钻井钻进过程中实时地进行工况识别，本实施例中，该方法优选地会利用随钻仪器来在井下进行实时钻井工况识别。因此，如图1所示，本实施例中，在得到工况识别模型后，该方法会在步骤S103中将步骤S102中所构建得到的工况识别模型写入随钻仪器。
在钻井钻进过程中，随钻仪器也就可以在步骤S104中利用自身内部写入的上述工况识别模型来根据获取到的测量参数的实时数据确定实时钻井工况。
如图2所示，本发明所提供的随钻工况识别系统优选地包括：工况识别模型构建装置201、数据写入装置202、随钻工况识别装置203以及数据获取装置204。其中，工况识别模型构建装置201与数据写入装置202优选地设置在地面端，而随钻工况识别装置203与数据获取装置204则优选地设置在随钻端，即在钻进过程中，随钻工况识别装置203与数据获取装置204会随之进入井下。
工况识别模型构建装置201能够利用获取到的测量参数的历史数据以及对应的钻井工况构建工况识别模型，而工况识别模型则能够根据测量数据确定相应的钻井工况。
本实施例中，上述测量参数优选地包括定向参数、工程参数以及地质参数。需要指出的是，在本发明的其他实施例中，上述测量参数既可以仅包含以上所列项中的某一项或某几项，还可以包含其他未列出的合理项，本发明不限于此。
具体地，本实施例中，工况识别模型构建装置201优选地利用人工神经网络来构建工况识别模型。其中，工况识别模型构建装置201会将测量参数的历史数据作为该人工神经网络的输入数据，并将已知的对应的钻井工况作为该人工神经网络的输出数据。利用测量参数的历史数据以及对应的钻井工况对人工神经网路进行训练，最终可以得到该人工神经网络的权值矩阵，由此也就得到了工况识别模型。
需要指出的是，在本发明的其他实施例中，根据实际需要，工况识别模型构建装置201还可以先根据测量参数的历史数据来计算这些测量参数在特定周期内的相对变化值数据，随后再利用这些测量参数的历史数据以及相对变化值数据来作为人工神经网络的输入数据，将已知的对应的钻井工况作为该人工神经网络的输出数据，从而训练得到工况识别模型。
本实施例中，为了提高构建得到的工况识别模型的工况识别的准确度，工况识别模型构建装置201优选地会利用大量地测量参数的历史数据以及对应的钻井工况来构建工况识别模型。而为了保证构建工况识别模型的效率，因此本实施例中，工况识别模型构建装置201优选地配置为具有强大的数据处理能力。
工况识别模型构建装置201在得到工况识别模型后，其会利用与之连接的数据写入装置202来将该工况识别模型写入随钻工况识别装置203，以方便随钻工况识别装置203实时地利用该工况识别模型。
在钻井钻进过程中，数据获取装置204能够获取待分析钻井在钻井过程中测量参数的实时数据，并将获取到的这些数据传输至与之连接的随钻工况识别装置203。钻井工况识别装置203在得到上述测量参数的实时数据后，也就可以利用工况识别模型来根据测量参数的实时数据来确定出实时钻井工况。
由于钻井工况识别装置203并不需要来构建工况识别模型，因此也就可以降低对于钻井工况识别装置203的数据处理能力的要求，故此，本实施例中，随钻工况识别装置203的数据处理能力小于工况识别模型构建装置201的数据处理能力。而随钻工况识别装置203的数据处理能力的降低可以有效减小随钻工况识别装置203的体积，由此也就可以使得随钻工况识别装置203能够进入井下。
需要指出的是，在本发明的其他实施例中，根据实际需要，随钻工况识别系统还可以不包含工况识别模型构建模块以及数据写入装置，本发明不限于此。
本发明所提供的随钻工况识别方法能够使得随钻工况识别系统仅仅在井下即可实现对于钻井工况的实时识别，其并不需要像现有技术那样将获取到的测量参数的实时数据传输至地面端来由地面端进行识别。而由于本方法以及系统在钻井工况识别的过程中并不需要进行地面端与随钻仪器之间的数据传输，因此随钻工况识别系统也就可以相应的省略数据传输设备，这样也就可以有效减小随钻仪器的体积以及成本。
同时，现有技术通过将测量参数的实时数据传输至地面端来由地面端进行识别，而地面端与随钻仪器之间的数据传输过程很可能会收到干扰，而本系统由于采用的是直接在井下进行实时工况识别的方式，因此也就可以有效避免由于数据传输而对最终工况识别结果所造成的干扰。
此外，本系统通过直接在井下进行实时工况识别，其相较于现有技术更加快捷和高效，这样也就有助于根据实时工况及时地调节随钻仪器的工作模式，不仅有助于提高随钻仪器的工作效率、延长仪器使用寿命，还能够有效减少随钻仪器的电能损耗。
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构或处理步骤，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。
Claims (10)
1.一种随钻工况识别方法，其特征在于，所述方法包括：
步骤一、在地面端利用获取到的测量参数的历史数据以及对应的钻井工况构建工况识别模型，所述工况识别模型能够根据测量数据确定相应的钻井工况；
步骤二、将所述工况识别模型写入随钻仪器，以由所述随钻仪器在钻进过程中利用所述工况识别模型根据获取到的测量参数的实时数据确定实时钻井工况。
2.如权利要求1所述的方法，其特征在于，所述测量数据包括以下所列项中的任一项或几项：
定向参数、工程参数以及地质参数。
3.如权利要求1或2所述的方法，其特征在于，在所述步骤一中，还根据所述测量参数的历史数据生成所述测量参数在特定周期内的相对变化值数据，并利用所述测量参数的历史数据及其相对变化值数据，来结合所对应的钻井工况构建所述工况识别模型。
4.如权利要求3所述的方法，其特征在于，所述工况识别模型包括人工神经网络，在所述步骤一中，将所述测量参数的历史数据及其相对变化值数据作为所述人工神经网络的输入数据，将对应的钻井工况作为所述人工神经网络的输出数据，通过训练得到所述人工神经网络的权值矩阵，进而确定出所述工况识别模型。
5.一种随钻工况识别系统，其特征在于，所述系统包括采用如权利要求1～4中任一项所述的方法来进行钻井工况识别。
6.如权利要求5所述的系统，其特征在于，所述系统包括：
数据获取装置，其用于获取待分析钻井在钻进过程测量参数的实时数据；
随钻工况识别装置，其与所述数据获取装置连接，其内部存储有工况识别模型，能够利用所述工况识别模型根据所述测量参数的实时数据确定确定实时钻井工况。
7.如权利要求6所述的系统，其特征在于，所述系统还包括：
工况识别模型构建装置，其设置在地面端，用于利用获取到的测量参数的历史数据以及对应的钻井工况构建工况识别模型，所述工况识别模型能够根据测量数据确定相应的钻井工况。
8.如权利要求7所述的系统，其特征在于，所述工况识别模型构建装置配置为根据所述测量参数的历史数据生成所述测量参数在特定周期内的相对变化值数据，并利用所述测量参数的历史数据及其相对变化值数据，来结合所对应的钻井工况构建所述工况识别模型。
9.如权利要求7或8所述的系统，其特征在于，所述系统还包括：
数据写入装置，其用于连接所述工况识别模型构建装置和随钻工况识别装置，以将所述工况识别模型写入所述随钻工况识别装置，从而使得所述随钻工况识别装置能够离线地利用所述工况识别模型。
10.如权利要求6～9中任一项所述的系统，其特征在于，所述随钻工况识别装置的数据处理能力小于所述工况识别模型构建装置的数据处理能力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811293635.XA CN111119835A (zh) | 2018-11-01 | 2018-11-01 | 一种随钻工况识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811293635.XA CN111119835A (zh) | 2018-11-01 | 2018-11-01 | 一种随钻工况识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111119835A true CN111119835A (zh) | 2020-05-08 |
Family
ID=70494246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811293635.XA Pending CN111119835A (zh) | 2018-11-01 | 2018-11-01 | 一种随钻工况识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111119835A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766059A (zh) * | 2020-12-30 | 2021-05-07 | 深圳市裕展精密科技有限公司 | 产品加工品质的检测方法、检测装置 |
| CN113065664A (zh) * | 2021-02-20 | 2021-07-02 | 北京三一智造科技有限公司 | 一种地质层识别模型构建方法和地质层识别方法 |
| CN114991746A (zh) * | 2021-11-23 | 2022-09-02 | 中国石油天然气集团有限公司 | 一种钻井工况智能标定方法和系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020120401A1 (en) * | 2000-09-29 | 2002-08-29 | Macdonald Robert P. | Method and apparatus for prediction control in drilling dynamics using neural networks |
| CN1804613A (zh) * | 2005-12-27 | 2006-07-19 | 大庆油田有限责任公司 | 合采天然气储气分层产能测试及动态监测地球化学方法 |
| US20090030858A1 (en) * | 2007-07-27 | 2009-01-29 | Schlumberger Technology Corporation | Methods and apparatus to perform downhole fluid analysis using an artificial neural network |
| CN102472825A (zh) * | 2009-08-07 | 2012-05-23 | 埃克森美孚上游研究公司 | 使用目标函数的钻井咨询系统和方法 |
| CN102754105A (zh) * | 2010-02-12 | 2012-10-24 | 埃克森美孚上游研究公司 | 用于创建历史匹配模拟模型的方法和系统 |
| CN104024572A (zh) * | 2011-11-02 | 2014-09-03 | 兰德马克绘图国际公司 | 用于预测钻柱卡钻事件的方法和系统 |
| US20150370934A1 (en) * | 2014-06-24 | 2015-12-24 | Schlumberger Technology Corporation | Completion design based on logging while drilling (lwd) data |
| CN105260599A (zh) * | 2015-09-30 | 2016-01-20 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种基于bp神经网络建模的冲击地压动态预测方法 |
| CN105488248A (zh) * | 2015-11-18 | 2016-04-13 | 山东科技大学 | 一种深部矿层和岩层的判定方法 |
| CN106640033A (zh) * | 2015-10-30 | 2017-05-10 | 中石化石油工程技术服务有限公司 | 旋转导向工具状态监测方法 |
| CN107292467A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种钻井风险预测方法 |
| CN108204997A (zh) * | 2016-12-20 | 2018-06-26 | 中国石油天然气股份有限公司 | 常一线油闪点在线软测量方法 |
-
2018
- 2018-11-01 CN CN201811293635.XA patent/CN111119835A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020120401A1 (en) * | 2000-09-29 | 2002-08-29 | Macdonald Robert P. | Method and apparatus for prediction control in drilling dynamics using neural networks |
| CN1804613A (zh) * | 2005-12-27 | 2006-07-19 | 大庆油田有限责任公司 | 合采天然气储气分层产能测试及动态监测地球化学方法 |
| US20090030858A1 (en) * | 2007-07-27 | 2009-01-29 | Schlumberger Technology Corporation | Methods and apparatus to perform downhole fluid analysis using an artificial neural network |
| CN102472825A (zh) * | 2009-08-07 | 2012-05-23 | 埃克森美孚上游研究公司 | 使用目标函数的钻井咨询系统和方法 |
| CN102754105A (zh) * | 2010-02-12 | 2012-10-24 | 埃克森美孚上游研究公司 | 用于创建历史匹配模拟模型的方法和系统 |
| CN104024572A (zh) * | 2011-11-02 | 2014-09-03 | 兰德马克绘图国际公司 | 用于预测钻柱卡钻事件的方法和系统 |
| US20150370934A1 (en) * | 2014-06-24 | 2015-12-24 | Schlumberger Technology Corporation | Completion design based on logging while drilling (lwd) data |
| CN105260599A (zh) * | 2015-09-30 | 2016-01-20 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种基于bp神经网络建模的冲击地压动态预测方法 |
| CN106640033A (zh) * | 2015-10-30 | 2017-05-10 | 中石化石油工程技术服务有限公司 | 旋转导向工具状态监测方法 |
| CN105488248A (zh) * | 2015-11-18 | 2016-04-13 | 山东科技大学 | 一种深部矿层和岩层的判定方法 |
| CN107292467A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种钻井风险预测方法 |
| CN108204997A (zh) * | 2016-12-20 | 2018-06-26 | 中国石油天然气股份有限公司 | 常一线油闪点在线软测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 印兴耀 等: "《地震技术新进展下》", 31 March 2006, 中国石油大学出版社 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766059A (zh) * | 2020-12-30 | 2021-05-07 | 深圳市裕展精密科技有限公司 | 产品加工品质的检测方法、检测装置 |
| CN112766059B (zh) * | 2020-12-30 | 2024-05-03 | 富联裕展科技(深圳)有限公司 | 产品加工品质的检测方法、检测装置 |
| CN113065664A (zh) * | 2021-02-20 | 2021-07-02 | 北京三一智造科技有限公司 | 一种地质层识别模型构建方法和地质层识别方法 |
| CN113065664B (zh) * | 2021-02-20 | 2024-05-14 | 北京三一智造科技有限公司 | 一种地质层识别模型构建方法和地质层识别方法 |
| CN114991746A (zh) * | 2021-11-23 | 2022-09-02 | 中国石油天然气集团有限公司 | 一种钻井工况智能标定方法和系统 |
| CN114991746B (zh) * | 2021-11-23 | 2024-01-19 | 中国石油天然气集团有限公司 | 一种钻井工况智能标定方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111119835A (zh) | 一种随钻工况识别方法及系统 | |
| CN116365711A (zh) | 一种基于物联网的车载方舱供配电智能监测系统 | |
| CN111080015B (zh) | 盾构设备及其实时寿命的预测系统和预测方法 | |
| CN1981297A (zh) | 数据压缩设备和方法，数据分析设备和方法，以及数据管理系统 | |
| CN104405391A (zh) | 一种基于采煤机感知的煤岩界面分析方法 | |
| CN116800517A (zh) | 一种基于数据分析的数据采集智能管理系统 | |
| CN101852659A (zh) | 基于光纤光栅传感器网络的石油井架应力数据采集系统 | |
| CN103953490A (zh) | 基于hlsne的水轮机组状态监测实现方法 | |
| CN110219644B (zh) | 确定储层可压裂性指数值空间分布的方法 | |
| CN115022187B (zh) | 一种电-气综合能源系统态势感知方法与装置 | |
| CN104329091A (zh) | 一种基于采煤机截割电机多参数的煤岩性状识别系统及方法 | |
| CN104329090A (zh) | 一种基于采煤机截割电机温度的煤岩性状识别方法 | |
| CN103670373A (zh) | 抽油机故障的诊断方法和系统 | |
| CN116291271A (zh) | 一种基于随钻测试的岩土体参数反演方法及系统 | |
| CN209619984U (zh) | 铁路高陡岩质边坡微震监测系统 | |
| CN114138870A (zh) | 基于动态电流采集的供电臂列车负荷特征获取方法 | |
| CN110212975A (zh) | 一种基于微分进化神经网络的otdr故障特征判断方法 | |
| CN116430739B (zh) | 一种基于数字孪生技术的全过程智慧压实系统及管控方法 | |
| CN104573864A (zh) | 一种基于自回归预测的数据分析报警方法 | |
| CN204287500U (zh) | 一种带有远程监控的32位无缆地震仪 | |
| CN115587526A (zh) | 基于神经网络的车辆二氧化碳实时排放预测方法及系统 | |
| Fu et al. | Multi-Vibration Sensors Data Fusion Codec for Mechanical Digital Twin | |
| CN105651526A (zh) | 基于振动信号分析的车辆工况识别方法 | |
| CN115929285A (zh) | 一种基于拉格朗日支持向量机算法的地温梯度预测方法 | |
| CN116150664A (zh) | 一种数据类型差异化采集频率确定方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200508 |