基于工程录井数据的井漏智能诊断方法

作者：陈凯枫; 杨学文; 宋先知^*; 陈冬; 张伟; 韩亮; 邢星

来源：石油机械, 2022, 50(11): 16-22.

DOI：10.16082/j.cnki.issn.1001-4578.2022.11.003

• 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

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。

• 单位
  中国石油大学（北京）