钻井模型与机器学习耦合的实时卡钻预警技术

摘要：

在现场钻井过程中,由于未考虑井眼清洁状况,导致基于钻井模型的卡钻分析模型的应用受限,只能达到卡钻后识别,并不能实现真正意义上的卡钻预警.为此,基于瞬态岩屑运移模型和改进的摩阻扭矩模型,结合邻井历史录井数据,使用贝叶斯优化算法对钻井模型进行训练,使钻井模型更适应当前区块,提高卡钻事故预测结果.采用钻井模型与机器学习相耦合的方法,提出了基于录井数据的实时卡钻预警技术.通过实时录井数据的输入,采用训练后的模型对卡钻风险参数进行实时监测.实例分析结果表明,该模型能够捕捉到卡钻是否发生,同时能够对要发生的卡钻进行分类,并在事故发生前给出预警信号.该方法将井眼清洁加入到卡钻风险预测,可为钻井作业提供更为全面的决策支持,帮助工程技术人员及时采取有效措施避免卡钻发生,缩短非生产时间.

关键词：实时卡钻监测、钻井模型、机器学习、贝叶斯优化、时序数据分析

所属期刊栏目：50

分类号：TE242(钻井工程)

资助基金：国家自然科学基金;湖北省自然科学基金杰出青年基金项目

在线出版日期：2022-04-21（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：15-21,93