论文部分内容阅读
针对采用声波探测法测得油井动液面数据时,采集到的信号由于受到长距离衰减和复杂背景噪声的影响,动液面回波位置容易淹没在复杂噪声之中不易识别的问题,本文采用一种新的带有宽第一层核的深度卷积神经网络(WDCNN)的方法。即使用采集到的原始声波信号作为输入,并使用第一卷积层中的宽内核来提取特征和抑制高频噪声;卷积层中的小卷积核用于多层非线性映射,池化层用来减少特征的空间大小和网络的参数;在输出层使用softmax函数转化识别的不同液面深度值。现场试验结果表明,构建的WDCNN模型提高了动液面位置识别的准确性与识别