-
题名CBiA-PSL抽油井异常工况预警模型
- 1
-
-
作者
李克文
杜苁聪
黄宗超
李潇
柯翠虹
-
机构
中国石油大学(华东)计算机科学与技术学院
-
出处
《智能系统学报》
CSCD
北大核心
2022年第2期295-302,共8页
-
基金
国家自然科学基金重大项目(51991365)
国家自然科学基金面上项目(61673396).
-
文摘
油田生产过程中,油井受各种因素的影响容易发生泵漏、管漏等异常工况,会降低油井产出甚至导致躺井,对异常工况预警是油田智能化管理的重要任务。基于CNN-BiGRU联合网络,提出一种改进的网络结构CBiA-PSL模型(CNN BiGRU attention-positive sharing loss),用于油井异常工况预警。模型利用CNN学习工况样本灰度图像的深度特征,BiGRU有效避免信息损失并加强CNN池化层特征的联系,注意力机制对隐藏状态加权计算以完成有效特征筛选。针对工况数据集不平衡的问题,提出正共享损失函数PSL,将异常数据(正类)划分为子类,每个子类都共享整个正类的损失,且给样本少的正类更高的权重。实验结果表明,CBiA-PSL模型预测效果更佳,对于异常类和整体的预测都有较高的精度。
-
关键词
卷积神经网络
双向门控循环单元
注意力机制
正共享损失
损失函数
异常工况识别
工况诊断与预警
数据不平衡
-
Keywords
convolutional neural network
bidirectional gated recurrent unit
attention
positive sharing loss
loss func-tion
identification of abnormal working conditions
working condition diagnosis and early warning
data imbalance
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
