基于支持向量机的钻井工况实时智能识别方法

TE28; 钻井时效分析通常是依靠人工进行事后分析,具有主观性和随意性,不能及时准确地反映真实的现场情况.为了实时准确地对钻井工况进行自动判别,提高钻井效率,提出了一种基于支持向量机(SVM)的用数据驱动的钻井工况实时识别方法,建立了多个智能识别模型,并对其中的核函数进行分析比较,得出了模型参数的最优值.采用4口井的录井数据验证了模型的准确性,识别结果与实际工况基本一致,6种工况的识别正确率均达到95％以上.钻井时效分析与应用表明,钻井过程中应用工况识别结果,减少了不可见非生产时间.支持向量机实现了钻井工况的实时智能识别,提高了钻井时效,符合油田数字化和智能化发展的要求....

Full description

Saved in:
Bibliographic Details
Published in:石油钻探技术 2019, Vol.47 (5), p.28-33
Main Authors: 孙挺, 赵颖, 杨进, 殷启帅, 汪文星, 陈缘
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:TE28; 钻井时效分析通常是依靠人工进行事后分析,具有主观性和随意性,不能及时准确地反映真实的现场情况.为了实时准确地对钻井工况进行自动判别,提高钻井效率,提出了一种基于支持向量机(SVM)的用数据驱动的钻井工况实时识别方法,建立了多个智能识别模型,并对其中的核函数进行分析比较,得出了模型参数的最优值.采用4口井的录井数据验证了模型的准确性,识别结果与实际工况基本一致,6种工况的识别正确率均达到95％以上.钻井时效分析与应用表明,钻井过程中应用工况识别结果,减少了不可见非生产时间.支持向量机实现了钻井工况的实时智能识别,提高了钻井时效,符合油田数字化和智能化发展的要求.
ISSN:1001-0890
DOI:10.11911/syztjs.2019033