详情

原文传递油田海堤缺陷检测识别技术研究

论文题名：	油田海堤缺陷检测识别技术研究
关键词：	海堤检测;缺陷识别;高密度电法;地震映像法;时频分析;反演分析;深度学习
摘要：	由于滩海陆岸油田所处的海区属强蚀岸段，海洋环境十分复杂和恶劣，海堤不仅时时受风、浪、流等作用，而且还受到风暴潮、海冰等自然灾害的威胁。目前胜利滩海陆岸油区内的海堤存在不同程度的工程质量问题和结构隐患，需要及时发现并消除海堤质量隐患，为维修加固提供科学合理的依据，所以海堤缺陷检测识别技术显得尤为重要。论文旨在围绕油田海堤的主体结构缺陷及隐患问题，开展综合物探技术在海堤检测中的应用研究，通过时频分析、反演分析及缺陷异常特征识别技术研究，实现结构隐患问题的有效识别。论文的主要工作如下：　　针对油田海堤的现场情况，确定适用的缺陷检测方法以及完成对高密度电法的检测装置优选。根据地震映像法和高密度电法的原理和特点，分析两者相结合的综合物探技术应用于油田海堤缺陷检测的可行性。根据对海堤现场的地质条件模拟，确定最适合的高密度电法检测装置。　　针对工程实际应用中，主要利用地震映像法的时间域信息而频率域信息利用甚少的情况，确定适用于油田海堤地震映像法的时频分析方法。分析比较短时傅里叶变换、小波变换、S变换的优劣及适用范围。在不同频率的地形变数据情况下，对三种方法进行比较分析。根据油田海堤地震映像法数据的特点选择S变换作为时频分析方法，得到单道以及整个数据的时频图进而确定缺陷的存在，综合利用了时间域和频率域的信息。　　针对高密度电法数据中由于电极本身电阻较大、地下不均匀体的存在以及地质噪声等因素而产生的干扰异常，先对数据进行预处理再反演分析。高密度电法数据预处理包括剔除坏点、数据拼接及地形校正。反演分析使成像更加直观，可以直接观测出地下介质电性分布情况，使得探测结果更加准确。　　针对油田海堤缺陷样本数量不足的情况，采用基于卷积神经网络的域间异构迁移学习方法进行缺陷识别。通过对源域数据预训练，使模型能够获得优秀的图像特征提取能力和良好的网络参数，然后迁移到目标域数据集重新训练模型。利用冻结技术对模型进行不同层训练，学习目标域图像数据的特征。对比实验结果表明源域端到目标域端的迁移学习模型能够提高小样本图像的识别率，表现出良好的特征提取能力。
作者：	王妮
专业：	控制工程
导师：	王钊;齐静静
授予学位：	硕士
授予学位单位：	中国石油大学(华东)
学位年度：	2021