基于分布式光纤声波监测数据和机器学习的井筒流体类型识别方法
Identification of fluid type in wellbore based on distributed acoustic sensing data and machine learning作者机构:中国石油大学(华东)石油工程学院山东青岛266580 油气钻完井技术国家工程研究中心山东青岛266580 中国石油化工股份有限公司胜利油田分公司石油工程技术研究院山东东营257000
出 版 物:《中国石油大学学报(自然科学版)》 (Journal of China University of Petroleum(Edition of Natural Science))
年 卷 期:2023年第47卷第3期
页 面:107-114页
核心收录:
学科分类:0820[工学-石油与天然气工程] 0711[理学-系统科学] 08[工学] 082002[工学-油气田开发工程] 0701[理学-数学]
基 金:国家自然科学基金项目(52174048) 中国石油化工股份有限公司重点科技项目(P21052)。
主 题:分布式光纤声波监测 声纹数据 特征提取 机器学习 流体类型 分类识别
摘 要:基于建立的实尺寸水平井筒流体流动光纤监测模拟试验系统,开展油气水流动模拟试验,获得不同流体流动情况下的分布式光纤声波监测(DAS)数据;利用小波时间散射变换和短时傅里叶变换对DAS数据进行处理,提取流体流动特征,建立基于机器学习的井筒流体类型识别分类方法。结果表明:融合低方差散射特征和短时时频特征数据能提高流体类型识别的准确率,并且随机森林算法的识别结果优于BP神经网络和决策树;该方法为井筒多相流体流动识别提供了一种新的技术手段。