基于深度自编码器的钻井工况智能识别研究

摘要：

由于钻井作业和地层的复杂性,钻井工况识别是钻井智能化中极具挑战性的问题之一.结合深度学习和自编码器技术,建立了基于深度自编码器的钻井工况智能识别模型,对钻进、循环、起钻、下钻、倒划眼、接单根、钻水泥塞、短起下钻和复杂情况九种工况进行实时识别.采用南海四口高温高压井的钻井数据,合计1 470 803组,生成九种工况的训练集、验证集、测试集,占比分别为51.74％、12.94％、35.32％.采用滑动时间窗口算法和归一化方法对输入特征进行处理,分别建立自编码器模型,然后对模型的激活函数等参数进行分析优选.结果表明,基于深度自编码器的工况识别模型的各工况识别准确率均达到了 90％以上,与基于普通自编码器的工况识别模型相比,准确率提高了 3.8％至23％不等.同时每组数据的平均识别时间仅为1.28 ms,符合工况实时识别的要求.

关键词：钻井、工况识别、深度自编码器、滑动时间窗口算法

所属期刊栏目：20

分类号：TE24(钻井工程)

资助基金：国家自然科学基金;油气钻采工程湖北省重点实验室开放基金

在线出版日期：2023-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：84-93