科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前智能钻井技术在工况表征、样本收集整理、数据处理及特征提取方面的不足，建立随钻安全风险智能识别方法。使用相关性分析法，确定表征气体钻井安全风险的关联参数；收集并整理20余井次安全风险时段监测数据，建立气体钻井多种安全风险数据样本库，并使用少样本扩展方法扩充样本数量。根据气体钻井随钻监测数据样本形式，设计两层卷积神经网络架构，设置多个不同大小及权重的卷积核对样本进行纵横两向卷积运算，提取并学习多个监测参数在钻进过程中的变化规律及关联特征。根据神经网络训练结果，优选各安全风险样本类别以提高识别准确率。与传统的误差反向传播（BP）类全连接神经网络架构相比，设计的方法能更深入有效感知气体钻井安全风险特征，实现高效识别和预测，有利于避免或快速解决随钻安全风险。经现场多次应用证实，气体钻井过程中各类随钻安全风险识别准确率为90%左右，具有良好的实用性。
-
单位油气藏地质及开发工程国家重点实验室; 西南石油大学
