基于BAM神经网络的钻井复杂事故识别研究

doi:10.3863/j.issn.1000-2634.1993.01.008

西南石油大学学报(自然科学版) ›› 1993, Vol. 15 ›› Issue (1): 49-55.DOI: 10.3863/j.issn.1000-2634.1993.01.008

基于BAM神经网络的钻井复杂事故识别研究

梅文荣

油井完井技术中心

收稿日期:1992-07-15 修回日期:1900-01-01 出版日期:1993-02-20 发布日期:1993-02-20

RECOGNITION RESEARCH OF COMPLICATED CASES AND ACCIDENTS IN DRILLING OPERATION BASED ON BAM NEURAL NETWORK

Mei Wenrong

Centre for well Completion Technology

Received:1992-07-15 Revised:1900-01-01 Online:1993-02-20 Published:1993-02-20

摘要/Abstract

摘要： 在详细分析钻井复杂情况和事故的基础上，应用神经网络的新方法成功地解决了钻井复杂
情况和事故的识别问题。BAM神经网络具有模型和算法简单的特点，是作为类似摸式识别问题研究的一种较好的工具。

关键词: 钻井事故, 模式识别, 人工智能, 神经网络

Abstract: On the basis of analyzing the complicated cases and accidents in drilling operation in detail,this paper prented a new method,neural nestwork,and applied it successfully to solve the recognition of the complicates cases and accidents in drilling operration.BAM neural network has such features as simple model and algorithm,so it can ba used as a better tool for the research similar to pattern recognition.Neural network is a branch of artificial intelligence,and has a wide application prospect.

Key words: Neural nestwork, Pattern recognition, Drilling accident, Artificial intelligence

中图分类号:

TE28
TP18

梅文荣. 基于BAM神经网络的钻井复杂事故识别研究[J]. 西南石油大学学报(自然科学版), 1993, 15(1): 49-55.

Mei Wenrong. RECOGNITION RESEARCH OF COMPLICATED CASES AND ACCIDENTS IN DRILLING OPERATION BASED ON BAM NEURAL NETWORK[J]. 西南石油大学学报(自然科学版), 1993, 15(1): 49-55.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.3863/j.issn.1000-2634.1993.01.008

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y1993/V15/I1/49

[1]	闵超, 代博仁, 张馨慧, 杜建平. 机器学习在油气行业中的应用进展综述[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 1-15.
[2]	黄旭日, 代月, 徐云贵, 唐静. 基于深度学习算法不同数据集的地震反演实验[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 16-25.
[3]	刘兆年, 赵颖, 孙挺. 渤海区域基于数据驱动的钻井提速[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 35-41.
[4]	檀朝东, 贺甲元, 周彤, 刘健康, 宋文容. 基于PCA-BNN的页岩气压裂施工参数优化[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 56-62.
[5]	刘浩瀚, 颜永勤, 闵令元, 乐平, 殷艳玲. 基于灰色网络组合优化的年增油量预测[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 89-96.
[6]	隋先富, 彭龙, 韩国庆, 范白涛, 于继飞. 基于主成分分析法的电潜泵故障诊断[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 107-114.
[7]	方宇, 曹雪梅, 李宾倩, 闵帆, 谯英. 天然气集输异常工况处理的主动学习方法[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 124-132.
[8]	王兵, 郑亚梅, 陈茂柯, 高凌云. 基于Tri-BiLSTM-CNN的钻井安全问答系统[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 157-164.
[9]	刘永辉, 罗程程, 刘通, 任桂蓉, 王中武. 水平气井井筒气液两相流型预测[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 107-112.
[10]	李建, 李珂, 王兵. 粗糙集和神经网络相融合的钻井安全评价模型[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 120-128.
[11]	王利华1 *，楼一珊1，马晓勇2，程福山1，陈宇3. 储层粒度神经网络预测模型研究[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 53-59.
[12]	袁宗明1，王勇1 *，谢英1，王大鹏2. 原油高温结垢速率测定和预测模型研究进展[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 170-180.
[13]	莫丽1 *，王军1，王俊2，王禄友1. 基于GA-BP 算法的旋转控制头轴承温度预测[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 164-169.
[14]	张志东1，2 *，艾志久1，郑伟3，李奔4，钟功祥1. 泥浆泵液力端故障诊断技术研究[J]. 西南石油大学学报(自然科学版), 2015, 37(5): 167-173.
[15]	侯大力1，孙雷1，潘毅1，秦山玉1，董卫军2. 人工神经网络预测高含CO2 天然气的含水量[J]. 西南石油大学学报(自然科学版), 2013, 35(4): 121-125.

基于BAM神经网络的钻井复杂事故识别研究

RECOGNITION RESEARCH OF COMPLICATED CASES AND ACCIDENTS IN DRILLING OPERATION BASED ON BAM NEURAL NETWORK

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价