基于深度学习的水下井口弯曲应力预测方法

基于深度学习的水下井口弯曲应力预测方法

TE88; 水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容.为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力.根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证.研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2％,决定系数大于0...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:石油机械 2023, Vol.51 (8), p.64-72
Hauptverfasser: 王金龙, 李凡鹏, 胡鹏基, 刘兆伟, 刘秀全, 盛磊祥
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 72
container_issue 8
container_start_page 64
container_title 石油机械
container_volume 51
creator 王金龙
李凡鹏
胡鹏基
刘兆伟
刘秀全
盛磊祥
description TE88; 水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容.为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力.根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证.研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2％,决定系数大于0.999.该弯曲应力预测方法可为水下井口疲劳损伤评估提供支撑.
doi_str_mv 10.16082/j.cnki.issn.1001-4578.2023.08.009
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_syjx202308009</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>syjx202308009</wanfj_id><sourcerecordid>syjx202308009</sourcerecordid><originalsourceid>FETCH-wanfang_journals_syjx2023080093</originalsourceid><addsrcrecordid>eNpjYNAyNNAzNDOwMNLP0kvOy87UyywuztMzNDAw1DUxNbfQMzIwMtYzsNAzMLBkYeCEi3Mw8BYXZxkYGBhZWhqam5pxMlg-nb_rya6-Z9s3Pt217OnaZU92Lng-q-XZhi1PdnQ_2TX1af_ip3vWP5u96emuKU-7Zr9c1PJsa_ezaTufbZ7Kw8CalphTnMoLpbkZVN1cQ5w9dMsT89IS89Ljs_JLi_KAMvHFlVkVIAcZWACdY0ysOgDAUlba</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于深度学习的水下井口弯曲应力预测方法</title><source>DOAJ Directory of Open Access Journals</source><creator>王金龙 ; 李凡鹏 ; 胡鹏基 ; 刘兆伟 ; 刘秀全 ; 盛磊祥</creator><creatorcontrib>王金龙 ; 李凡鹏 ; 胡鹏基 ; 刘兆伟 ; 刘秀全 ; 盛磊祥</creatorcontrib><description>TE88; 水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容.为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力.根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证.研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2％,决定系数大于0.999.该弯曲应力预测方法可为水下井口疲劳损伤评估提供支撑.</description><identifier>ISSN: 1001-4578</identifier><identifier>DOI: 10.16082/j.cnki.issn.1001-4578.2023.08.009</identifier><language>chi</language><publisher>中海油研究总院有限责任公司钻采研究院%中国石油大学 (华东) 海洋油气装备与安全技术研究中心</publisher><ispartof>石油机械, 2023, Vol.51 (8), p.64-72</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/syjx/syjx.jpg</thumbnail><link.rule.ids>314,776,780,860,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>王金龙</creatorcontrib><creatorcontrib>李凡鹏</creatorcontrib><creatorcontrib>胡鹏基</creatorcontrib><creatorcontrib>刘兆伟</creatorcontrib><creatorcontrib>刘秀全</creatorcontrib><creatorcontrib>盛磊祥</creatorcontrib><title>基于深度学习的水下井口弯曲应力预测方法</title><title>石油机械</title><description>TE88; 水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容.为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力.根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证.研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2％,决定系数大于0.999.该弯曲应力预测方法可为水下井口疲劳损伤评估提供支撑.</description><issn>1001-4578</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYNAyNNAzNDOwMNLP0kvOy87UyywuztMzNDAw1DUxNbfQMzIwMtYzsNAzMLBkYeCEi3Mw8BYXZxkYGBhZWhqam5pxMlg-nb_rya6-Z9s3Pt217OnaZU92Lng-q-XZhi1PdnQ_2TX1af_ip3vWP5u96emuKU-7Zr9c1PJsa_ezaTufbZ7Kw8CalphTnMoLpbkZVN1cQ5w9dMsT89IS89Ljs_JLi_KAMvHFlVkVIAcZWACdY0ysOgDAUlba</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>王金龙</creator><creator>李凡鹏</creator><creator>胡鹏基</creator><creator>刘兆伟</creator><creator>刘秀全</creator><creator>盛磊祥</creator><general>中海油研究总院有限责任公司钻采研究院%中国石油大学 (华东) 海洋油气装备与安全技术研究中心</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>基于深度学习的水下井口弯曲应力预测方法</title><author>王金龙 ; 李凡鹏 ; 胡鹏基 ; 刘兆伟 ; 刘秀全 ; 盛磊祥</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_syjx2023080093</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>王金龙</creatorcontrib><creatorcontrib>李凡鹏</creatorcontrib><creatorcontrib>胡鹏基</creatorcontrib><creatorcontrib>刘兆伟</creatorcontrib><creatorcontrib>刘秀全</creatorcontrib><creatorcontrib>盛磊祥</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>石油机械</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>王金龙</au><au>李凡鹏</au><au>胡鹏基</au><au>刘兆伟</au><au>刘秀全</au><au>盛磊祥</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于深度学习的水下井口弯曲应力预测方法</atitle><jtitle>石油机械</jtitle><date>2023</date><risdate>2023</risdate><volume>51</volume><issue>8</issue><spage>64</spage><epage>72</epage><pages>64-72</pages><issn>1001-4578</issn><abstract>TE88; 水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容.为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力.根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证.研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2％,决定系数大于0.999.该弯曲应力预测方法可为水下井口疲劳损伤评估提供支撑.</abstract><pub>中海油研究总院有限责任公司钻采研究院%中国石油大学 (华东) 海洋油气装备与安全技术研究中心</pub><doi>10.16082/j.cnki.issn.1001-4578.2023.08.009</doi></addata></record>
fulltext fulltext
identifier ISSN: 1001-4578
ispartof 石油机械, 2023, Vol.51 (8), p.64-72
issn 1001-4578
language chi
recordid cdi_wanfang_journals_syjx202308009
source DOAJ Directory of Open Access Journals
title 基于深度学习的水下井口弯曲应力预测方法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-08T09%3A31%3A47IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%B0%B4%E4%B8%8B%E4%BA%95%E5%8F%A3%E5%BC%AF%E6%9B%B2%E5%BA%94%E5%8A%9B%E9%A2%84%E6%B5%8B%E6%96%B9%E6%B3%95&rft.jtitle=%E7%9F%B3%E6%B2%B9%E6%9C%BA%E6%A2%B0&rft.au=%E7%8E%8B%E9%87%91%E9%BE%99&rft.date=2023&rft.volume=51&rft.issue=8&rft.spage=64&rft.epage=72&rft.pages=64-72&rft.issn=1001-4578&rft_id=info:doi/10.16082/j.cnki.issn.1001-4578.2023.08.009&rft_dat=%3Cwanfang_jour%3Esyjx202308009%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=syjx202308009&rfr_iscdi=true