一种基于机器学习与残差网络构成的有杆泵工况组合监测方法
基本信息
| 申请号 | CN201910645307.X | 申请日 | - |
| 公开（公告）号 | CN110348532A | 公开（公告）日 | 2019-10-18 |
| 申请公布号 | CN110348532A | 申请公布日 | 2019-10-18 |
| 分类号 | G06K9/62;G06Q50/02 | 分类 | 计算；推算；计数; |
| 发明人 | 周建峰;刘敬民;朱运周;李晓芳;王斌;刘凯;张良;田小凯;杨东霖 | 申请（专利权）人 | 海默潘多拉数据科技（深圳）有限公司 |
| 代理机构 | 重庆为信知识产权代理事务所（普通合伙） | 代理人 | 海默潘多拉数据科技（深圳）有限公司 |
| 地址 | 518052 广东省深圳市前海深港合作区前湾一路1号A栋201室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于机器学习与残差网络构成的有杆泵工况组合监测方法，首先对每个示功图进行工况分析、诊断、分类、标记，再提取每个示功图的特征，训练SVM模型、GBDT模型和残差网络模型，最后将训练得到的SVM虚拟监测模型、GBDT虚拟监测模型、残差网络虚拟监测模型整合为组合监测模型，应用于生产监测。采用本发明的显著效果是，本方案相较于现有技术，采用组合模型对示功图的工况进行虚拟分析，提高了虚拟检测结果的准确性，特别适用于长时间处于无人值守状态的油井。 |
