基于CNN-BiLSTM-Attention的油气井固井施工参数监测与预测研究
来源：计算机测量与控制杂志2025年第2期北京时间：
作者：田军政,谢雄武,钱坤,刘长春,马业
单位：中海油田服务股份有限公司
摘要：在深水、深井和超深井油气勘探领域，油气井固井施工面临着作业危险高、劳动强度大等多重挑战，导致油气井固井施工参数监测与进度预测难；为了解决这些问题，对基于云边协同和深度学习的油气井固井施工关键参数监测与进度预测进行了研究；通过云边协同组网，在现场采集和存储固井流量、压力、温度等数据，并利用MQTT轻量化通讯协议网络进行远程传输；研究基于CNN-BiLSTM-Attention网络的油气井固井施工进度预测数学模型，通过CNN网络提取油气井固井施工进度的关键特征要素，基于BiLSTM挖掘关键特征要素之间的关联关系，运用Attention机制对重要特征进行权重分配，以便抽取出更加关键及重要的油气井固井施工进度信息；经实验测试实现了油气井参数监测与预测的功能，表明所提方法具有明显的预测精度优势且云边协同平台可以实时反映油气井固井施工过程中的各项关键参数。
关键词：云边协同;CNN-BiLSTM-Attention;油气井固井;施工关键参数监测;施工进度预测。
基金资助：中国航天科工集团基础科研项目(SCA24003)。
