气体钻井随钻安全风险智能识别方法

摘要：

针对目前智能钻井技术在工况表征、样本收集整理、数据处理及特征提取方面的不足,建立随钻安全风险智能识别方法.使用相关性分析法,确定表征气体钻井安全风险的关联参数;收集并整理20余井次安全风险时段监测数据,建立气体钻井多种安全风险数据样本库,并使用少样本扩展方法扩充样本数量.根据气体钻井随钻监测数据样本形式,设计两层卷积神经网络架构,设置多个不同大小及权重的卷积核对样本进行纵横两向卷积运算,提取并学习多个监测参数在钻进过程中的变化规律及关联特征.根据神经网络训练结果,优选各安全风险样本类别以提高识别准确率.与传统的误差反向传播(BP)类全连接神经网络架构相比,设计的方法能更深入有效感知气体钻井安全风险特征,实现高效识别和预测,有利于避免或快速解决随钻安全风险.经现场多次应用证实,气体钻井过程中各类随钻安全风险识别准确率为90％左右,具有良好的实用性.

关键词：气体钻井、安全风险、智能识别、少样本学习、卷积神经网络、随钻监测

所属期刊栏目：49

分类号：TE28(钻井工程)

资助基金：国家重点研发计划;四川省科技计划重点研发项目;国家自然科学基金

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：377-384