基于隐马尔科夫模型的石油钻井过程异常检测的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 故障诊断方法 | 第13-15页 |
| 1.2.1 人工智能方法 | 第13页 |
| 1.2.2 统计学习方法 | 第13-15页 |
| 1.3 钻井故障预警研究现状 | 第15-16页 |
| 1.4 论文内容安排 | 第16-18页 |
| 2 石油钻井工艺及常见故障分析 | 第18-24页 |
| 2.1 主要钻井设备简介 | 第18-19页 |
| 2.2 钻井工艺流程 | 第19-20页 |
| 2.3 钻井过程中常见故障类型及机理分析 | 第20-22页 |
| 2.4 小结 | 第22-24页 |
| 3 趋势特征量构造 | 第24-37页 |
| 3.1 动态信号的特征分析 | 第24-28页 |
| 3.1.1 平稳与非平稳信号 | 第24-26页 |
| 3.1.2 非平稳时间序列特征提取方法概述 | 第26-28页 |
| 3.2 钻井参数趋势特征量的构造 | 第28-36页 |
| 3.2.1 动态信号特征参量的选择原则 | 第28-29页 |
| 3.2.2 趋势特征量的构造过程及相关定义 | 第29-36页 |
| 3.3 小结 | 第36-37页 |
| 4 基于CHMM的石油钻井预警模型 | 第37-67页 |
| 4.1 HMM基本理论 | 第37-43页 |
| 4.1.1 Markov模型 | 第37-39页 |
| 4.1.2 HMM模型 | 第39-40页 |
| 4.1.3 HMM定义 | 第40-41页 |
| 4.1.4 HMM的分类 | 第41-43页 |
| 4.2 HMM基本算法 | 第43-49页 |
| 4.2.1 前向-后向算法 | 第44-47页 |
| 4.2.2 Viterbi算法 | 第47-48页 |
| 4.2.3 Baum-Welch算法 | 第48-49页 |
| 4.3 连续HMM理论 | 第49-57页 |
| 4.3.1 高斯混合模型 | 第49-51页 |
| 4.3.2 CHMM的参数描述 | 第51-52页 |
| 4.3.3 CHMM算法溢出的处理 | 第52-55页 |
| 4.3.4 初始模型的确定 | 第55-57页 |
| 4.4 基于CHMM钻井参数异常预警模型 | 第57-58页 |
| 4.5 参数异常预警实验 | 第58-65页 |
| 4.5.1 模型训练及阈值统计 | 第58-63页 |
| 4.5.2 异常预警结果 | 第63-65页 |
| 4.6 钻井故障的综合决策 | 第65-66页 |
| 4.7 小结 | 第66-67页 |
| 5 钻井参数异常阈值自适应算法 | 第67-74页 |
| 5.1 基于 3sigma准则的自适应阈值 | 第67-69页 |
| 5.1.1 均值的自适应计算 | 第68页 |
| 5.1.2 方差的自适应计算 | 第68页 |
| 5.1.3 带宽系数的训练 | 第68-69页 |
| 5.2 基于最大类间方差法的自适应阈值 | 第69-72页 |
| 5.2.1 基本定义 | 第69-71页 |
| 5.2.2 在线计算所做改进 | 第71-72页 |
| 5.3 实验分析 | 第72-73页 |
| 5.4 小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 个人简历、在学校期间发表的学术论文与研究成果 | 第81页 |
