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.pdfVIP

第42卷第5期吉林大学学报（信息科学版）Vol.42No.5

2024年9月JournalofJilinUniversity(InformationScienceEdition)Sept.2024

文章编号：1671-5896(2024)05-0817-12

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

钟艳

（大庆油田第四采油厂数字化运维中心，黑龙江大庆163518）

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