Los puntos clave no están disponibles para este artículo en este momento.
En vista de las deficiencias de la tecnología de perforación inteligente actual en la representación de condiciones de perforación, recolección de muestras, procesamiento de datos y extracción de características, se estableció un método de identificación inteligente de riesgos de seguridad durante la perforación. Se utilizó el método de análisis de correlación para determinar los parámetros de correlación que indican el riesgo de seguridad en la perforación de gas. Al recoger datos de monitoreo en el período de riesgo de seguridad de más de 20 pozos, se estableció una base de datos de muestras de una variedad de riesgos de seguridad en la perforación de gas, y el número de muestras se amplió utilizando el método de aprendizaje de pocos disparos. Según las formas de las muestras de datos de monitoreo de perforación de gas, se diseñó una arquitectura de red neuronal convolucional de dos capas, y se establecieron múltiples núcleos de convolución de diferentes tamaños y pesos para realizar los cálculos de convolución vertical y horizontal de las muestras, extrayendo y aprendiendo la ley de variación y las características de correlación de múltiples parámetros de monitoreo. Finalmente, basándose en los resultados de entrenamiento de la red neuronal, se seleccionaron muestras de diferentes tipos de riesgos de seguridad para mejorar la precisión del reconocimiento. En comparación con la arquitectura de red neuronal completamente conectada BP (retropropagación de error) tradicional, este método puede identificar de manera más profunda y efectiva las características de riesgo de seguridad en la perforación de gas, y así identificar y predecir riesgos con antelación, lo que contribuye a evitar y resolver rápidamente los riesgos de seguridad durante la perforación. La aplicación en el campo ha demostrado que este método tiene una precisión de identificación de varios riesgos de seguridad durante la perforación en el proceso de perforación de gas de aproximadamente 90% y es práctico.
HU et al. (Vie,) estudiaron esta cuestión.