成果展示
成果展示 当前位置: 首页 >> 成果展示 >> 智能传感与油井参数测量 >> 正文

基于密集神经网络的油气田含气率及总流速多参数测量系统

        油气田井口的参数测量对整个开采过程及后续的运输、加工过程都有重要的指导意义,精确的参数测量可以提高生产效率,加快生产进度。为提高井口环境下流动参数测量的精度,高忠科教授团队构建了分阶段密集连接网络(Stage-wise densely connected networkSDCN)对含气率和总流速进行了测量,构建的网络结构如图1所示。在四扇区电导传感器采集的两相流信号基础上,对网络模型进行了分阶段的训练。通过关键卷积模块提取信号的深层次特征,并使用便捷连接完成特征的重复利用,最终通过输出模块完成信息汇总优化,在含气率和总流速的参数测量上分别将相对误差降低到了5.5%2.1%



图1 SDCN网络结构示意图

上一条:多相流流态测量与参数分析
下一条:基于深度学习的油气田含水率测量系统

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