10.16082/j.cnki.issn.1001-4578.2022.11.003
基于工程录井数据的井漏智能诊断方法
井漏是钻井中常见的复杂情况,影响因素众多且漏失机理复杂.传统方法识别井漏的准确率不高且时效性较差,而人工智能技术能够很好地解决多参数、非线性的复杂问题.为提高井漏风险诊断准确率和效率,提出了一种利用人工智能模型快速诊断井漏的方法.为减少输入维度提高模型的计算效率,利用相关性分析和经验知识优选出总池体积、进出口流量差和立管压力等7种井漏表征参数,基于随机森林、支持向量机、BP神经网络和逻辑回归4种机器学习算法分别建立井漏智能诊断模型并对模型进行优化.研究结果表明,随机森林模型的表现效果最好,其在测试集上对井漏识别的准确率达到98%.此外相对重要性分析表明,总池体积、立管压力、进出口流量差、钻井液密度和大钩载荷是准确诊断井漏风险的主控参数.研究结果对高效准确识别井漏风险,提高钻井效率具有重要意义.
井漏、智能诊断、工程录井数据、机器学习、相关性分析、随机森林
50
TE28(钻井工程)
国家科技重大专项2016ZX05051-3
2022-12-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
16-22