基于集成學(xué)習(xí)的井漏智能預(yù)警模型及智能推理方法

張礦生 宮臣興 陸紅軍 歐陽(yáng)勇 辛慶慶

引用格式：張礦生，宮臣興，陸紅軍，歐陽(yáng)勇，辛慶慶. 基于集成學(xué)習(xí)的井漏智能預(yù)警模型及智能推理方法［J］. 石油鉆采工藝，2023，45（1）：47-54.

摘要：水平井優(yōu)快鉆井技術(shù)加快了長(zhǎng)慶油田致密油氣大規(guī)模開發(fā)速度，但由于部分區(qū)域地層孔隙和微裂縫發(fā)育，承壓能力低，極易發(fā)生井漏風(fēng)險(xiǎn)，嚴(yán)重制約了水平井提速提效。為進(jìn)一步降低井漏風(fēng)險(xiǎn)，提高漏失預(yù)警的時(shí)效性和準(zhǔn)確率，提出了一種因果關(guān)系約束下的井漏智能預(yù)警及漏失原因推理方法。基于漏失產(chǎn)生機(jī)理，分析了漏失風(fēng)險(xiǎn)的表征參數(shù)及其變化規(guī)律，將其作為輸入?yún)?shù)約束條件，利用工況識(shí)別模型和特征變化規(guī)律準(zhǔn)確定位井漏時(shí)間，基于BP 神經(jīng)網(wǎng)絡(luò)和LSTM 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)建立漏失風(fēng)險(xiǎn)預(yù)警模型，利用因果推斷算法解釋模型預(yù)警原因，結(jié)合風(fēng)險(xiǎn)機(jī)理實(shí)現(xiàn)警報(bào)約束。研究結(jié)果表明，LSTM 集成網(wǎng)絡(luò)井漏預(yù)警準(zhǔn)確率達(dá)95.6%，基于集成學(xué)習(xí)的智能推理方法能夠準(zhǔn)確解釋預(yù)警發(fā)生原因，對(duì)鉆井現(xiàn)場(chǎng)及時(shí)采取井漏防范措施，保障水平井優(yōu)快鉆井具有重要意義。

關(guān)鍵詞：鉆井井漏；BP；LSTM；集成學(xué)習(xí)；智能預(yù)警；智能推理

中圖分類號(hào)：TE28 文獻(xiàn)標(biāo)識(shí)碼： A