← 返回列表
一种基于WGAN-GP-TabNet算法的井漏预警方法
摘要文本
本发明公开了一种基于WGAN‑GP‑TabNet算法的井漏预警方法，属于井漏预测技术领域。包括：收集现场数据；筛选与漏失流量相关性强的特征参数并删除现场数据中相关性不强的参数，从而形成初始参数；根据漏失流量对初始参数进行分级，根据分级后各级参数的数量将各等级分为多数类和少数类；将初始参数输入WGAN‑GP模型，生成少数类数据；利用初始参数和生成的少数类数据来训练并评估井漏预警模型TabNet；采集现场数据并利用通过训练的TabNet模型预测漏失程度。本发明有效解决了深度学习防漏堵漏中类不平衡导致的召回率和少数类预测精度不高的问题，具有稳定可靠，准确率高，便于操作，反应速度快，可迁移性强等优势。 更多数据：搜索专利查询网来源：
申请人信息
- 申请人:西南石油大学
- 申请人地址:610000 四川省成都市新都区新都大道8号
- 发明人: 西南石油大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于WGAN-GP-TabNet算法的井漏预警方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311587126.9 |
| 申请日 | 2023/11/27 |
| 公告号 | CN117540277A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06F18/241 |
| 权利人 | 西南石油大学 |
| 发明人 | 许成元; 周杰; 康毅力; 郭昆; 谢军; 郝克桃 |
| 地址 | 四川省成都市新都区新都大道8号 |
专利主权项内容
1.一种基于WGAN-GP-TabNet算法的井漏预警方法，特征在于，包括以下步骤：步骤1、从现场收集钻井工程数据，建立防漏堵漏大数据库，并对数据进行预处理；步骤2、基于预处理后的数据中各特征参数与漏失流量的相关性筛选相关性强的特征参数，以预处理后的数据中相关性强的特征参数作为初始参数，并对初始参数进行LOESS降噪；步骤3、根据漏失流量对LOESS降噪后的初始参数进行分级，并根据分级后各个等级中初始参数的数量对各个等级进行分类，分为多数类和少数类；步骤4、将步骤3处理后的数据输入WGAN-GP模型，生成少数类数据；步骤5、利用步骤2经过LOESS降噪后的初始参数以及步骤4生成的少数类数据来训练并评估井漏预警模型TabNet；步骤6、采集现场数据并利用通过训练的TabNet模型预测漏失程度，所述现场数据中包括所述相关性强的特征参数。