基于长短期记忆网络和迁移学习的石油井底压软传感器
机器学习
2026-02-12 v1
摘要
监测石油井的井底变量对于生产优化、安全和减排至关重要。永久井下测量仪(PDG)提供实时压力数据,但面临可靠性和成本问题。我们提出一种基于机器学习的软传感器,用于使用井口和岩台测量值估计流动井底压力(BHP)。引入长短期记忆(LSTM)模型,并与多层感知机(MLP)和岭回归进行比较。我们还首次针对不同操作环境中的模型进行迁移学习适应。tested on 来自巴西预盆地的真实离岸数据集,该方法实现了平均绝对百分比误差(MAPE)始终低于2%,超越基准。该工作提供了一种成本效益高、精度准确的物理传感器替代方案,在多样化的油藏和流动条件下具有广泛适用性。
引用
@article{arxiv.2602.03737,
title = {Soft Sensor for Bottom-Hole Pressure Estimation in Petroleum Wells Using Long Short-Term Memory and Transfer Learning},
author = {M. A. Fernandes and E. Gildin and M. A. Sampaio},
journal= {arXiv preprint arXiv:2602.03737},
year = {2026}
}