水平井压裂多类型复杂事件智能识别与预警方法

摘要

鉴于现有水平井压裂过程事件识别方法费时费力、精度低且无法实现事件预警的问题，改进数据分析和深度学习算法，基于页岩气水平井压裂施工数据与报告分析，提出了水平井压裂多类型复杂事件智能识别与预警方法。基于Att-BiLSTM神经网络，耦合宽度学习系统（BLS）与反向传播神经网络（BP），建立了压裂过程“点”类事件识别模型，实现了压裂开始/结束、地层破裂、瞬时停泵等事件的智能识别，精度超过97%。改进Unet++网络，建立了压裂过程“阶段”类事件识别模型，实现了泵球、前置酸降压、暂堵压裂、砂堵等事件的智能识别，相对误差小于0.2%。基于Att-BiLSTM神经网络，构建了压裂过程压力实时预测模型，实现了压裂多类型事件预警，提高了压裂事件识别精度和效率，实现了压裂决策智能化。