[发明专利]基于神经网络融合技术的钻井井漏类型诊断方法

摘要

本发明公开了一种基于神经网络融合技术的钻井井漏类型诊断方法，它包括以下步骤S1确定融合神经网络结构、建立井漏类型诊断参数空间；S11选择融合神经网络结构；S12网络训练；S13检验网络；建立井漏类型诊断参数空间；S2数据预处理；S3将归一化处理后的数据分别输入各个神经网络；S4运用多种神经网络融合算法将各个神经网络的输出值进行数据融合，得出最终井漏类型诊断结果。本发明采用多种神经网络处理数据，使用数据融合算法处理多个神经网络输出结果，性能高效，结果可靠性强。

主权项

基于神经网络融合技术的钻井井漏类型诊断方法，其特征在于：它包括以下步骤：S1：确定融合神经网络结构、建立井漏类型诊断参数空间：① 确定融合神经网络结构的步骤包括：S11：选择融合神经网络结构：选定所需融合的神经网络，确定各个神经网络的输入节点数、输出节点数、隐含层节点数；S12：网络训练：采集大量样本对所选定的各个神经网络进行训练，达到预设精度后保存网络；S13：检验网络：对保存后的各个神经网络进行检验，使用未参与网络训练的数据进行仿真；② 建立井漏类型诊断参数空间：采集参数构成参数空间，确定需要采集的井漏影响因素；S2：数据预处理：对采集的参数进行归一化处理，所述的归一化处理是将有量纲的数据转换为无量纲的数据，使得输入数据都成为纯量，从而达到减小不同量纲给网络的输出造成的影响；将该预处理后的参数空间内的参数作为神经网络的输入参数；S3：将归一化处理后的数据分别输入各个神经网络，保存各个神经网络输出的输出值；S4：运用多种神经网络融合算法将各个神经网络的输出值进行数据融合，得出最终井漏类型诊断结果；所述的神经网络为BP网络，所述的多种神经网络融合算法为证据理论数据融合法；该融合算法的具体实现过程如下：S401、根据设定好的神经网络参数，建立两个不同结构的BP神经网络模型NN1和NN2；S402、将获取的神经网络参数初始数据进行归一化处理，其处理后的数据作为BP神经网络的输入值；S403、将归一化处理后的数据输入神经网络，分别运用两个不同结构的BP神经网络模型NN1和NN2进行训练，达到预设精度要求后，保存其各自的连接权值；S404、利用S403中保存的连接权值对需要诊断的数据进行诊断，将其诊断结果的输出值及训练误差作为D‑S证据理论合成的证据，运用D‑S证据理论合成法则进行数据融合，得到最终的诊断结果。