基于随机森林的溢漏实时判断方法研究

摘要：

在钻井过程中,对溢流、漏失作出及时准确的判断具有重要意义.文章采用以数据为驱动的机器学习算法—随机森林方法,来对溢流、漏失进行实时识别判断.基于随机森林的溢漏实时判断方法包括:综合钻井实时测量数据和井史数据生成溢流、漏失原始数据集;对溢流、漏失原始数据集进行预处理;采用自助法采样技术生成溢流、漏失训练数据集;对每个训练集,采用分类回归树算法生成分类树;对新的实时数据,利用已生成的分类树的投票结果判断是否有溢流、漏失发生.现场实例显示,通过对钻井实时测量数据的合理预处理,结合随机森林的方法,溢流、漏失可在早期被准确识别.同时,由于随机森林可以处理大量的特征数据(输入数据),并可在决定类别时,评估特征的重要性;利用随机森林对初选的特征进行重要性分析,结果表明,钻井液流入流出差对于溢流、漏失的判断具有重要影响.

关键词：溢流、漏失、随机森林

所属期刊栏目：43

资助基金：集团公司直属院所基础研究;战略储备技术研究课题"智能钻井控制关键模型与方法研究"

在线出版日期：2020-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-12