基于遗传优化算法的井底钻压智能预测模型

摘要：

准确的井底钻压是提高钻井效率的重要因素.近年来,越来越多研究表明,智能技术是准确预测目标值的有效途径,结合反向传播(Back Propagation,BP)神经网络和长短期记忆神经网络(Long Short-Term Memory,LSTM),并将单一的 BP与LSTM模型和遗传算法(Genetic Algorithm,GA)相结合,建立了 4种井底钻压智能预测模型(BP、LSTM、GA-BP与GA-LSTM模型).通过实验论证,遗传算法在一定程度上起到了优化作用,表现出更高的预测精度、更好的鲁棒性与预测趋势、更快的预测时间.GA-LSTM与GA-BP比单一LSTM与BP模型的平均相对误差分别降低了 40.13%和 47.11%,并且预测时间分别缩短了 12.6倍和9.3倍.其中综合考虑各方面性能可选取GA-LSTM作为井底钻压最优智能预测模型,应用于钻压实时监控或与常规的自动送钻系统结合从而实现对井底钻压的准确控制,提高钻井效率与钻头性能,降低钻井成本.

关键词：井底钻压、BP神经网络、LSTM、遗传算法、人工智能

所属期刊栏目：45

分类号：TE24(钻井工程)

资助基金：陕西省重点研发计划项目2022KW-10

在线出版日期：2023-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：151-159