Sign In

Casing Collar Identification using AlexNet-based Neural Networks for Depth Measurement in Oil and Gas Wells

Created by
  • Haebom
Category
Empty

저자

Siyu Xiao, Xindi Zhao, Tianhao Mao, Yiwei Wang, Yuqiao Chen, Hongyun Zhang, Jian Wang, Junjie Wang, Shuang Liu, Tupei Chen, Yang Liu

개요

정확한 유정 심도 측정은 유정 작업에 필수적이며, 저류층 접촉, 생산 효율성 및 운영 안전에 직접적인 영향을 미칩니다. 본 논문은 CCL(Casing Collar Locator) 신호 인식을 위한 데이터 증강을 위한 포괄적인 전처리 방법을 제시합니다. AlexNet 기반의 신경망 모델을 사용하여 표준화, 레이블 분포 평활화(LDS), 무작위 자르기, 레이블 평활화 정규화(LSR), 시간 스케일링, 및 다중 샘플링과 같은 다양한 증강 기법의 효과를 평가하고, 실제 CCL 파형에 대한 성능 검증을 통해 제안된 방법의 효과와 실용성을 입증합니다.

시사점, 한계점

•
CCL 신호 인식을 위한 신경망 모델 훈련에 필요한 데이터 증강 기법을 개발하고, 각 기법의 기여도를 분석함.
•
표준화, LDS, 무작위 자르기는 모델 훈련의 필수 요소임을 확인.
•
LSR, 시간 스케일링, 다중 샘플링은 모델 일반화 성능을 향상시킴.
•
실제 CCL 파형에 대한 성능 검증을 통해 실용성을 입증.
•
실제 데이터 부족 문제를 해결하기 위한 데이터 증강 방법론에 초점을 맞춤.
•
AlexNet 기반 모델에 한정된 실험을 진행함.
•
다양한 모델 아키텍처에 대한 일반화 성능은 추가 연구가 필요함.
👍
Made with Slashpage