全链路数据诊断方法、装置、存储介质及电子设备

    公开(公告)号:CN118626975A

    公开(公告)日:2024-09-10

    申请号:CN202310252769.1

    申请日:2023-03-07

    Abstract: 本公开涉及一种全链路数据诊断方法、装置、存储介质及电子设备,实现对目标生产过程中各层级的待诊断数据的诊断分析。该方法包括:收集目标生产过程中产生的多条待诊断数据;将多条待诊断数据输入到训练好的诊断模型中,得到诊断模型输出的多条待诊断数据中每条待诊断数据对应的预测数据,预测数据表征所述待诊断数据在下一个时间点的预测数值;根据预设区间对预测数据进行诊断,并根据诊断结果对多条待诊断数据进行筛选,得到筛选后的待诊断数据;确定筛选后的待诊断数据的刷新状态以及上下级匹配结果;根据刷新状态以及上下级匹配结果,判断筛选后的待诊断数据是否异常,并在筛选后的待诊断数据为异常时输出告警信息,告警信息包括异常原因。

    一种基于深度学习的井筒积液预测方法

    公开(公告)号:CN114239419A

    公开(公告)日:2022-03-25

    申请号:CN202111603701.0

    申请日:2021-12-24

    Abstract: 本发明提供一种基于深度学习的井筒积液预测方法,包括:S1、获取SCADA生产高频数据并对其进行降维;S2、将降维后的SCADA生产高频数据与A2数据和地质参数数据进行特征融合,得到融合后的特征向量;S3、利用融合后的特征向量进行数据建模并进行训练,计算重构误差向量;S4、根据重构误差向量计算动态阈值,并根据动态阈值判断井筒是否积液。本发明实现了基于深度学习的井筒积液预测,其中采用秒级数据作为特征,使得模型不仅仅只关注天与天之间的数据波动,也考虑到天内数据波动情况,能捕捉到更加细微的数据变化;并且采用动态阈值的方法对积液进行预测,能够解决在实际工业生产中出现相较于正常状态下的较大的数据波动时,也能够使得模型不会进行误判。

Patent Agency Ranking