公开(公告)号：CN118520284A

公开(公告)日：2024-08-20

申请号：CN202410349116.X

申请日：2024-03-26

Applicant: 中国石油大学(北京)

Inventor： 冯永存 ,  杨恒 ,  李晓蓉 ,  尚关一 ,  胡乃琨 ,  邓金根 ,  闫伟 ,  谭强 ,  刘伟

IPC: G06F18/214 ,  G06F18/21 ,  G06F18/243 ,  G06N20/00

Abstract: 本发明属于油气钻采开发技术领域，涉及一种智能推荐堵漏方案的方法、系统及介质，包括以下步骤：采集包括成功案例和不成功案例的堵漏数据，建立堵漏数据集；根据堵漏数据的特征进行筛选，并构建训练集和测试集；通过训练集中数据对堵漏效果模型进行训练，获得最优的堵漏效果模型，并通过测试集对最优的堵漏效果模型进行验证；将待测堵漏数据输入最优的堵漏效果模型，输出最佳堵漏方案。其能够有效学习所有案例的数据，对每种方案的效果预测，从而根据每种方案的预期效果，提出更加精准和全面的推荐。

公开(公告)号：CN116127320A

公开(公告)日：2023-05-16

申请号：CN202310105857.9

申请日：2023-02-13

Applicant: 中国石油大学(北京)

Inventor： 冯永存 ,  杨恒 ,  邓金根 ,  李晓蓉 ,  闫伟 ,  刘伟 ,  谭强 ,  蔚宝华

IPC: G06F18/214 ,  G06F18/21 ,  G06F18/23 ,  G06F18/24 ,  G06N20/00

Abstract: 本发明属于智能油气田开发领域技术领域，涉及本发明的目的是提供了一种基于可解释性机器学习的井漏分析方法、系统和介质，包括：采集井漏数据，建立井漏数据集；根据所述井漏数据集中数据，通过高斯聚类模型判断井漏类型；根据所述井漏数据集中数据结合井漏类型判断模型，构建训练集和测试集；构建实时判断井漏类型的模型，通过所述训练集中数据对所述模型进行训练，通过所述测试集中数据对所述模型进行验证；通过基于SHAP值的可解释性机器学习算法对训练好的实时判断井漏类型的模型进行解析，获得井漏原因。其突破了常规机器学习法的可解释性差的技术瓶颈，真正意义上的实现了对于大量多维漏失因素的合理可靠分析。