基于 Elman神经网络的地层水污染率近红外光谱实时测量方法

摘要：

在钻井过程中,水基钻井泥浆会透过泥饼渗入地层从而污染地层水.为了取得纯净的地层水样品,需要对其污染程度进行实时监测.取样前,流体由水基泥浆滤液逐渐过渡到纯净地层水,通过获取滤液、纯地层水以及混合流体的吸光度可实时计算地层水受到污染的程度.鉴于井下地层水污染率在线监测可看作时间序列预测问题,采用了 Elman神经网络模型对吸光度数据进行训练,从而预测纯地层水吸光度.采用海上实井数据进行了验证,将基于Elman神经网络预测得到的地层水吸光度与泵抽初期采集的钻井液泥浆滤液吸光度相结合,可以计算出实时的地层水污染率,并将其与实验室水分析结果进行了对比.结果表明,它们的一致性很好.与传统算法相比,新方法高效可靠,具有广泛的适用性和较好的应用价值.

关键词：水基泥浆滤液、地层水、污染监测、近红外、Elman神经网络

所属期刊栏目：43

分类号：P631

资助基金：中海油集团公司重大科技专项YJB22YF003

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：37-44