| 基于机器学习的钻井工况识别技术现状及发展 |
| |
| 引用本文： | 张菲菲,崔亚辉,于琛,张同颖,陈俊,颜寒.基于机器学习的钻井工况识别技术现状及发展[J].长江大学学报,2023(4):53-65+143. |
| |
| 作者姓名： | 张菲菲 崔亚辉 于琛 张同颖 陈俊 颜寒 |
| |
| 作者单位： | 1. 长江大学石油工程学院;2. 油气钻采工程湖北省重点实验室(长江大学);3. 中国石油渤海钻探工程技术研究院;4. 中国石油渤海钻探工程公司;5. 中国石油渤海钻探第一钻井工程分公司 |
| |
| 基金项目： | 国家自然科学基金项目“大位移井钻进过程中动态岩屑运移与钻柱受力耦合机理研究”(51874045)；;湖北省自然科学基金杰出青年基金项目“页岩气大位移井动态井眼清洁机理及智能监测算法研究”(2019CFA093)； |
| |
| 摘 要： | 配备传感器的现代钻井设备带来了持续不断的实时钻井数据，通过监测这些钻井数据可以对钻井工况进行及时有效的判断，进而提高钻井效率，降低钻井成本和钻井事故率。由于钻井的复杂性和不可预知的作业条件，现有的通过数据采集系统执行的钻井工况识别系统容易出现较高的误报率。为了解决高误报率问题，实现从高维钻井数据中得到高精度、高效率的钻井工况识别结果，基于机器学习算法的识别模型被开发，并在应用中表现出了显著的有效性和稳定性。文章简述了机器学习的发展历程和项目流程，介绍了钻井系统参数，描述了支持向量机、BP神经网络、随机森林和深度学习等机器学习分类算法在钻井工况识别技术中的应用现状，对比研究了七个机器学习工况识别模型的框架、超参数、特征参数以及识别性能，并探讨了基于机器学习算法的钻井工况识别技术发展趋势，为实现钻井设备的自动化和钻井工程的智能化提供一些新的思路。
|
| 关 键 词： | 钻井工况 机器学习 工况识别 分类算法 |
|
|
