基于优化XGBoost的近钻头粘滑振动等级评估方法

作者：唐翰文; 张涛; 李玉梅; 李雷; 张京华; 胡冬良

来源：系统仿真学报, 2021, 33(11): 2704-2710.

DOI：10.16182/j.issn1004731x.joss.21-FZ0722

• 粘滑振动
• XGBoost
• 贝叶斯优化
• 风险评估
• 近钻头

粘滑振动是影响钻井速度、安全以及成本的重要限制因素,建立一套可靠的粘滑振动分级模型对于石油钻井的决策至关重要。提出一种基于贝叶斯优化和极端梯度提升eXtremeGradient Boosting (XGBoost)的新方法来评估近钻头处粘滑振动的严重程度。对近钻头粘滑振动数据进行分级处理;通过时域和频域分析,提取原始数据主要特征向量;建立基于XGBoost的粘滑振动等级识别分类模型,引用贝叶斯算法对XGBoost超参数调优;基于准确率、召回率、F1评分等模型评价指标,利用测试集分别将优化XGBoost模型与分类回归树模型和随机森林模型进行对比。研究结果表明:该方法能有效评估近钻头粘滑振动等级,具有较高的识别精度。

• 单位
  北京信息科技大学