长城网记者 杜宇昕 通讯员 马超 邢荣霞
“目前利用卷积神经网络技术提取样本功图已达4.9万井次/日，进行参数优化65井次，每日增油5.9吨。较往日发现油井问题更快、更准。”4月2日，冀东油田陆上采油四区地质师贾志伟介绍说。
一直以来，冀东油田陆上作业区牢固树立“科技创新、减员增效”的理念，注重质量与效益，以科技创新为引领着力在油水井管理上开展技术攻关，全面提升增产增效能力，开创提质增效新局面。
核实功图提取结果。
针对油井开井数量多，功图分析工作繁重，人工筛选异常井耗时长等情况，该区开展利用深度学习技术之卷积神经网络自动提取分析功图项目攻关，实现计算机对功图的实时自动判断分析。
该技术是把不同时刻的示功图进行叠加，通过CNN网络结构中的卷积层、激活函数层、池化层、全连接层转化为特征向量，从而识别工况的变化。提取过程中，形成稳定的数据流，将实时功图送入数据流，输出判断结果。通过筛选功能判断0-正常、1-变好、2-变差、3-异常、4-缺失等情况。在功图筛选过程中，通过4-缺失来确定停井实时报警功能，提升报警准确率，与采油队巡查机制相结合，全面缩短异常停井发现时限，提升处理突发状况能力，从而将隐患控制到萌芽阶段，有效提升采油时率。
油井参数优化录取数据。
整改排查出的异常井问题。
该技术自3月4日试运行至今，根据筛选出的3-异常井判断出杆断、漏失等5井次，较往日平均发现问题井时间缩短1天，减少产量损失12.2吨/日，根据1-变好和2-变差等问题井进行参数优化65井次，增油5.9吨/日。目前，该技术的应用已覆盖作业区上传功图的油井。
此外，配合已建成的功图量油系统，形成该区特有的对功图分析、处理、反馈智慧化管理机制，大幅压减人工工作量，释放技术人员精力，从而提高对油藏分析和重点井组区块剖析的力度，提升该区资料处理、变化发现，动态分析的能力。
