%0 Journal Article
%A 郭晓强1
%A 李莹伟2
%A 李琦2
%A 吕俊霖1
%A 杨恪伦1
%A 李欣业1
%T 基于深度学习的深海天然气水合物开采立管非线性振动预测模型
%D 2025
%R 
%J 振动与冲击
%P 80-91
%V 44
%N 11
%X 针对复杂环境下深海水合物开采立管传统振动力学模型预测结果精度低的问题，利用基于深度学习的长短期记忆（Long Short-Term Memory, LSTM）网络，建立了深海水合物开采立管的三维振动预测模型，该模型可以借助现场获得的开采立管振动数据进行训练，实现对开采立管后期振动响应的提前预测。采用相似原理，研发了内外流激励下开采立管振动模拟实验系统，构建了实验数据集。采用所提出的深度学习模型，对多因素影响的立管顺流向及横流向振动位移进行预测，将预测结果和实验测试数据对比，决定系数（R2）达到99%，验证了预测模型的正确性。此外，为了进一步验证该模型可以实现深海开采立管的振动预测，采用能量法和哈密顿原理，建立了深海水合物开采立管气-液-固三相流致振动理论模型，将后期预测结果与理论模型计算结果进行比较，决定系数（R2）达到94.59%，进一步验证了深海水合物开采立管振动深度学习预测模型的有效性。研究成果为智能油田的建设提供了模型基础。<br>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_14233.shtml