基于CNN-LSTM的复合神经网络在油田污水系统故障诊断中的应用

摘要

为提高油田污水系统故障诊断的智能化水平和准确性，利用卷积神经网络以及长短期记忆网络构建复合神经网络，并采用Adam与随机梯度下降法对结构进行优化，使模型收敛速度以及故障诊断精度得到提升。通过相关实验研究结果表明，采用的优化算法使模型准确度提升至0.87左右，模型诊断损失率降至0.032左右；复合神经网络结构的平均检测精度达到0.888,准确值达到0.883,召回率达到0.789。将复合神经网络应用于油田污水系统故障诊断中，使油田污水系统实现智能故障检测，并能降低经济成本，益于智慧油田建设。

关键词

卷积神经网络-长短期记忆 / 复合神经网络 / 污水系统 / 故障检测 / 随机梯度下降法 / 智慧油田

基金资助

海南省自然科学基金资助项目(623MS071)