基于BSMOTE-SVM算法的溢流风险评价

作者：张禾^*; 池紫欣

来源：控制工程, 2023, 30(12): 2173-2178.

DOI：10.14107/j.cnki.kzgc.20220963

• 不均衡数据集
• 支持向量机
• 边界合成少数类过采样技术
• 溢流风险评价

现今钻井作业中各平台仍然依靠人工坐岗进行溢流预警，溢流风险判断具有主观性导致准确率十分有限。针对目前溢流风险识别能力弱和准确率低的问题，首先，采用了边界样本过采样方法避免了由于溢流发生频率极低导致可获取的样本数量不足的缺陷；其次，引入支持向量机对改善后的样本构造分类器，建立了溢流风险评价模型，并采用已经完钻的油井数据作为测试集进行模型验证。实验结果表明，所提方法将溢流识别准确率提高到了90%，相对于原始不均衡样本训练的分类器准确率，提高了36.67%。同时，此研究成果提高了钻井作业中的溢流识别能力，为安全钻井提供了有力支撑。

• 单位
  石油大学机电工程学院