基于井下参数的PCA-SVM卡钻预测研究

摘要：

在油气钻井复杂事故发生前,某些钻井参数特征会发生变化.而因为钻井作业系统的复杂性,卡钻预测解析模型无法被精确的构建.同时大量井下测量数据由于现有随钻测量技术的限制无法实时传输至地面.针对井下工程参数测量数据,提出了一种基于主成分分析法(PCA)的支持向量机(SVM)预测分析方法.先运用PCA对井下工程参数测量数据预处理得到降维数据,再利用SVM预测模型对降维数据进行识别,判断是否发生卡钻.对实测数据进行训练、判断,结果表明,PCA-SVM方法有优秀的性能,准确率达到了97.99％.因此,PCA-SVM井下卡钻预测方法可有效识别并预测卡钻事故,为安全钻井作业提供了一定的技术保障.

关键词：钻井;卡钻;主成分分析;支持向量机

所属期刊栏目：38

分类号：TE319(油气田开发与开采)

资助基金：国家自然科学基金;国家自然科学基金;北京市属高校高水平教师队伍建设支持计划项目;北京市教委一般项目

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：386-390