买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学;中石化石油工程设计有限公司

摘要：本发明涉及海上油气开采技术领域，特别涉及一种海洋弃置导管架的受力与稳定性预测方法及装置，其中，方法包括：对预设导管架类型、水深、海况进行数值仿真计算，得到切割与吊装过程中的样本数据集，得到样本数据集；归一化样本数据集，将归一化后的样本数据集划分为优化、检验样本数据集；建立初始深度学习算法模型，利用优化样本数据集对初始深度学习算法模型进行优化训练，得到深度学习算法模型；利用检验样本数据集对深度学习算法模型进行效果验证，得到用于实际应用的最终深度学习算法模型，对预设导管架平台切割与吊装过程中的结果安全性进行预测。该方法能够在满足时间与经常成本的前提下，明显提高预测精度。

主权项：1.一种海洋弃置导管架的受力与稳定性预测方法，其特征在于，应用于训练阶段，其中，所述方法包括以下步骤：对预设导管架类型、水深、海况进行数值仿真计算，得到切割与吊装过程中的样本数据集，具体包括：采用SACS软件对所述预设导管架类型、水深、海况进行数据仿真，生成所述切割与吊装过程中的样本数据集，其中，切割过程包括对称切割、按原位UC值由大到小切割、按UC值由大到小切割，吊装过程包括六绳式吊装、八绳式吊装、十二绳式吊装，所述样本数据集包括输入量和输出量，所述输入量包括导管架类型编号、水深和海况中的至少一项，所述输出量包括不同切割过程和不同吊装过程下的桩腿、构件、平台构件UC值及UC值大于1的规模中的至少一项；对所述样本数据集进行归一化处理，将归一化后的样本数据集划分为优化样本数据集和检验样本数据集；建立初始深度学习算法模型，利用所述优化样本数据集对所述初始深度学习算法模型进行优化训练，得到深度学习算法模型，其中，所述初始深度学习算法模型包括输入层、第一隐含层、第二隐含层和输出层，采用所述优化样本数据集中的切割过程样本数据集对所述初始深度学习算法模型进行优化训练时，所述输入层的神经元数量为10个，所述第一隐含层的神经元数量为25个，所述第二隐含层的神经元数量为25个，所述输出层的神经元数量为7个，采用所述优化样本数据集中的吊装过程样本数据集对所述初始深度学习算法模型进行优化训练时，所述输入层的神经元数量为9个，所述第一隐含层的神经元数量为25个，所述第二隐含层的神经元数量为25个，所述输出层的神经元数量为2个；利用所述检验样本数据集对所述深度学习算法模型进行效果验证，得到用于实际应用的最终深度学习算法模型；利用所述最终深度学习算法模型对预设导管架平台切割与吊装过程中的结果安全性进行预测。

全文数据：

权利要求：

百度查询： 清华大学 中石化石油工程设计有限公司 海洋弃置导管架的受力与稳定性预测方法及装置