基于贝叶斯网络的钻井井漏问题研究

《基于贝叶斯网络的钻井井漏问题研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学兔兔www.xuetutu.com石油天然气学报(江汉石油学院学报)2013年l2月第35卷第12期JournalofOilandGasTechnology(J．JPI)Dec．2013Vo1．35No．12基于贝叶斯网络的钻井井漏问题研究徐哲，李建，王兵(西南石油大学计算机科学学院，四JII成都610500)刘昆(中国石油集团测井有限公司生产测井中心第二项目部，陕西西安710077)[摘要]在钻井过程中钻井液经常发生漏失，如何让钻井技术更高效、更安全的运用是所有勘探技术人员所面临的问题。如果井漏得不到及时处理，还会引起井塌、井喷等事故，所以及时处理井漏

2、使其恢复正常是非常重要的工作，其难点在于引起井漏的各因素之间关系较为复杂，使其难以把控。为了解决该问题，引入贝叶斯网络的双向推理来把握各因素间的共因以及相关关系，使得推断井漏发生的概率比原来的更加精确。实例分析证明该方法能够较好地解决钻井液漏失的可靠性分析问题，并且贝叶斯网络具有较高求解精度。[关键词]钻井；钻井液；贝叶斯网络；井漏；可靠性分析；求解精度[中图分类号]TE28[文献标志码]A[文章编号]1000—9752(2013)12—0125—05井漏是钻井时发生的一种井下复杂情况，也是钻井过程中最普遍最常见的技术难题之一，其中井漏因素的不确定性给研究

3、带来了一定的难度_]]。贝叶斯网络就是为处理不确定性问题而发展起来的l2]，它是一种将概率统计应用于复杂领域进行不确定性推理和数据分析的工具，其主要优点就是推理结果的正确性，且只需建立一个联合概率分布，这个过程可以将性能参数中的各个关系通过联合概率分布表示出来，贝叶斯网络就是将复杂的联合概率分布分解成一系列相对简单的模块，从而大大降低了知识获取和概率推理的复杂度。1钻井井漏钻井过程中，井筒内钻井液或其他介质(固井水泥浆等)漏人地层孔隙、裂缝等空间的现象称为井漏。井漏是钻井工程中常见的井内复杂情况，多数钻井过程都有不同程度的漏失。严重的井漏会导致井内压力下降

4、，影响正常钻井，引起井壁失稳，诱发地层流体涌入井筒并井喷。1．1发生井漏的影响因素在钻完井过程中，以下两种情况会发生井漏。一是地层存在天然的漏失通道，井筒内的钻井液作用于井壁地层的动压力超过地层漏失压力；二是井筒内钻井液作用于井壁的动压力大于地层破裂压力时，形成新的漏失通道。因此，井壁地层的动压力、地层漏失压力、地层破裂压力都影响钻井井漏的发生。影响漏失压力的因素L3“]：①地层孔隙压力的大小；②地层天然漏失通道大小、形态与漏层厚度；③钻井液的流变性能；④地层漏失通道中流体的流变性；⑤井壁地层内、外泥饼质量。影响地层破裂压力的因素为地层岩石所受地应力大小。

5、影响井壁地层动压力的因素：①钻井液静液柱压力；②钻井液环空流动压耗；③钻井液激动压力。1．2钻井液漏失的原因以及应对方法钻井液在漏失通道中有4个力对其作用，分别是钻井液的静压力，钻井液流动时对井壁的侧压力，地层孔隙中水的压力。，漏失通道对钻井液流动的阻力钻井液漏失的前提是井壁有漏失通道且漏失通道相互贯通，其次是钻井压力(+)大于地层系统压力(。+)，即Ap一(p+p)一[收稿日期]2o13—06—13[基金项目]国家科技重大专项(2011ZX05021—006)。[作者简介]徐哲(1989一)，男，2011年大学毕业，硕士生，现主要从事数据仓库与数据挖掘工

6、作。学兔兔www.xuetutu.com石油天然气工程2Ol3年l2月(P。+P-)>0。像钻井液的静压力P、侧压力P、流动阻力P都是变化的，而地层压力P。是不变的。从客观的角度去想就是钻井液静止时不漏，可循环时漏，就是因为钻进循环时增加了一侧压力P，使／xp>0，从而发生井漏。漏失通道中的4个作用力难以被度量，使得研究井漏发生的问题更加困难。应对钻井液发生漏失问题的方法有很多，知名的有神经网络，模糊数学，正、反循环测试计算等方法。由于神经网络在数据不充分时无法进行T作，难以将一些推理变为数值计算，模糊数学的评价模型以及评价指标权重难以建立，正、反循环测试

7、计算不能解决井漏发生前的问题，所以引入贝叶斯网络来有效解决井漏发生的不确定性问题。2贝叶斯网络贝叶斯网络是一个有向无环图(DAG)¨5]，它是随机变量集组成的网络节点，变量可离散或连续，是一个连接节点对的有向边或箭头集合。贝叶斯网络的每个节点x都有一个条件概率分布表(CPT)：P(Xi(X))，能量化其父节点对该节点的影响。由此可见，有向无环图是贝叶斯网络的定性部分，蕴含了条件独立性的假设；条件概率表是贝叶斯网络的定量部分，表征了节点间的相互关系强度。贝叶斯网络特性中最具有印象的是能够作为对域的一种完备而无冗余的表示，它能比全联合概率更加紧凑。2．1贝叶斯

8、网络的数学模型贝叶斯网络是一种由因果知识和概率知识结合的信息表示框