基于集成學習的井漏智能預警模型及智能推理方法
張礦生1, 宮臣興2, 3, 陸紅軍2, 3, 歐陽勇2, 3, 辛慶慶2, 3
-
1.中國石油長慶油田公司
-
2.中國石油長慶油田公司油氣工藝研究院
-
3.中國石油長慶油田公司低滲透油氣田勘探開發國家工程實驗室
論文引用格式：張礦生,宮臣興,陸紅軍,歐陽勇,辛慶慶. 基于集成學習的井漏智能預警模型及智能推理方法[J]. 石油鉆采工藝,2023,45(1):47-54 doi: 10.13639/j.odpt.2023.01.007
摘 要: 水平井優快鉆井技術加快了長慶油田致密油氣大規模開發速度，但由于部分區域地層孔隙和微裂縫發育，承壓能力低，極易發生井漏風險，嚴重制約了水平井提速提效。為進一步降低井漏風險，提高漏失預警的時效性和準確率，提出了一種因果關系約束下的井漏智能預警及漏失原因推理方法?；诼┦Мa生機理，分析了漏失風險的表征參數及其變化規律，將其作為輸入參數約束條件，利用工況識別模型和特征變化規律準確定位井漏時間，基于BP神經網絡和LSTM長短時記憶網絡建立漏失風險預警模型，利用因果推斷算法解釋模型預警原因，結合風險機理實現警報約束。研究結果表明，LSTM集成網絡井漏預警準確率達95.6%，基于集成學習的智能推理方法能夠準確解釋預警發生原因，對鉆井現場及時采取井漏防范措施，保障水平井優快鉆井具有重要意義。
關鍵詞: 鉆井井漏，BP，LSTM，集成學習，智能預警，智能推理
↓掃描下方二維碼獲取更多↓
點擊“閱讀原文”獲取文章下載鏈接
2023中國油氣人工智能科技大會
2023中國油氣人工智能科技大會與《石油鉆探技術》、《石油科學通報》聯合征稿，評選出的一二等優秀論文將刊發在《石油鉆探技術》數字化專題或者《石油科學通報》?？?。
會議報名聯系人：劉詩園 15822801766
論文投遞郵箱：paper@oilgasai.com
發布者：cubeoil，轉轉請注明出處：http://www.gangbaowang.cn/archives/83287
