海洋工程装备与技术

海洋工程装备与技术 >

2019 , Vol. 6 >Issue 增刊: 446

DOI: https://doi.org/10.12087/oeet.2095-7297.2019.z1.84

基于机器学习的深水钻井大数据处理方法研究

  • 殷志明1 ,
  • 刘书杰1 ,
  • 谭扬2 ,
  • 李永华2
展开
  •  (1.中海油研究总院有限责任公司,北京100028;2.北京邮电大学信息与通信工程学院,北京100876)

网络出版日期: 2020-04-26

基金资助

 

收起

Research on Outlier Marking Method of Deepwater Drilling Big Data in Machine Learning 

  • Yin　Zhi-ming ,
  • Liu　Shu-jie ,
  • Tan　Yang ,
  • Li　Yong-hua
Expand
  •  (1.Key　Laboratory　of　Deepwater　Engineering,CNOOC　Research　Institute　Ltd,Beijing100027,China;2.School　of　Information　and　Communication　Engineering,Beijing　University　ofPosts　and　Telecommunications,Beijing100876,China)

Online published: 2020-04-26

Supported by

 

Fold

摘要

智能化是深水钻井技术未来研究方向，将是钻井与信息，微电子，机器人，通信网络等许多其他技术的融合。其中钻速预测与优化一直是深水钻井重要研究内容，在使用机器学习的方式进行钻速预测的过程中，数据集中离群点的存在会干扰钻速预测的准确性。本文基于钻井数据研究了常用的离群点检测算法的基本原理，以去除离群点后的数据训练得到的钻速预测模型效果作为参考，评估并分析了上述离群点检测算法应用于钻井数据中的效果，提出了一种面向钻井数据应用的离群点检测算法。验证表明，在检测到的离群点比例不变的情况下，所提方法去除离群点后训练得到了更优的模型效果，为钻井数据的实际应用奠定基础。
 

关键词：  

本文引用格式

殷志明1 , 刘书杰1 , 谭扬2 , 李永华2 . 基于机器学习的深水钻井大数据处理方法研究[J]. 海洋工程装备与技术, 2019 , 6(增刊) : 446 . DOI: 10.12087/oeet.2095-7297.2019.z1.84

Abstract

 

Key words：  

Options
文章导航

/

〈 〉