基于长短时记忆网络的腐蚀工况下抽油杆剩余使用寿命预测

摘要

抽油杆工作环境复杂,失效形式多样,其工作寿命受诸多因素影响,如何提高抽油杆在腐蚀工况下的剩余使用寿命(remaining useful life,RUL)显得尤为关键.使用深度学习方法中的长短时记忆网络(long short-term memory,LSTM),根据已有的油田生产数据,选取了15项与抽油杆腐蚀密切相关的变量,通过参数优化、网络训练,构建了基于LSTM的抽油杆剩余寿命预测模型,对20口生产井数据的测试显示,模型预测结果的平均误差为36％,同时与双向LSTM和深度LSTM模型进行对比表明,LSTM预测模型具有更好的预测能力,结果表明:LSTM模型在抽油杆寿命预测领域具有良好的应用前景.