研究成果
研究成果 当前位置: 首页 >> 研究成果 >> 正文

智能传感与油井参数测量-基于深度学习的油气田含水率测量系统

        在油气田开采过程中,井口环境下含水率的测量对油气的开采及后续运输、加工等过程都有重要意义,准确的含水率测量可以更精确地掌握油气田开采过程的变化。因此,高忠科教授团队模拟井口开采环境,进行了两相流实验,通过四扇区传感器采集流体信号,并根据流体信号的空间特征以及时域变化,设计了多任务时间通道卷积网络(Multitask-based temporal-channelwise convolutional neural network,MTCCNN),该网络结构如图1所示,通过关键卷积模块提取信号的时间、通道特征,并通过全连接层进行组合筛选,并进一步地优化多任务输出模块,使得在含水率测量的相对误差低至2.43%



图1 MTCCNN网络结构示意图


上一条:智能家居与混合智能-基于脑机接口的智能家居系统
下一条:脑机接口与康复医疗-基于模糊神经网络的驾驶员反应时间预测技术

Copyright ©  人工智能与网络科学研究所  版权所有
地址:天津市南开区卫津路92号天津大学 邮编:300072