基于神经网络的卡钻预测.pdf

《基于神经网络的卡钻预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、．蹶⋯雠_基于神经网络的卡钻预测张奇志朱丹刘光星(西安石油大学)摘要针对钻井过程的复杂性、不确定性等特点，提出应用神经网络技术预测卡钻事故，建立事故预测模型。选取对卡钻事故的发生有较大影响的变量作为神经网络的输入项，分析钻井现场实时监测的卡钻数据和正常运行的数据，应用钻井现场数据对神经网络进行训练以此建立卡钻事故预测模型，最终通过钻井现场数据证实该网络具有对卡钻事故做出准确预测的能力以及良好的泛化能力。关键词BP神经网络卡钻预测D0I510．3969／i．iSSf1．2095—1493．2013．001．003卡钻预

2、测中，不仅解决了钻进规律难以用精确数学引言模型来描述这一问题，而且确保了网络对卡钻预测在钻井过程中，由于各种原因造成的钻具陷在过程拟合的准确性。井内不能自由活动的事故现象称为卡钻。近年来，1卡钻预测网络结构的建立世界各大石油公司相继投入研究井下卡钻事故的机理和监测、预防、处理技术，其主要方法有扭矩一BP神经网络是一种多层前馈神经网络，该网拉力模型、多元统计法、卡钻专家系统以及神经网络的主要特点是信号向前传递，误差反向传播在向络法分析。但是这几种方法都各有缺陷。在卡钻前传递中，输入信号从输入层经隐含层逐层处理，事故中，

3、一种卡钻事故发生后，往往会诱发另一种直至输出层。每一层的神经元状态只影响下一层神卡钻或其他事故的发生，如在缩径卡钻、键槽卡经元状态。如果输出层得不到期望输出，则转入反钻、落物卡钻发生之后，由于钻柱失去了自由活动向传播，根据预测误差调整网络权值和阀值，从而的能力，又会发生粘吸卡钻。粘吸卡钻发生之后，使BP神经网络预测输出不断逼近期望输出。由于处理不当，又会诱发坍塌卡钻。所以准确预测1．1输入层变量选取卡钻事故对防止事故的扩大、减轻事故损失有着至输入量必须选择那些对输出影响大且能够检测或关重要的作用。者提取的变量，此外还

4、要求各输入变量之间相互不相为了提高钻井效益，钻井技术人员对钻井过程关或者相关性很小。根据现场资料的分析，造成卡钻提出了很多数学模型，但由于钻井过程的随机性和事故的主要因素大致可以分为：地质因素、井身结构、不确定性，而且涉及领域较广，钻井过程的规律难钻井液参数和操作水平，另外还包括钻进参数，这以用精确的数学模型来描述。BP(BackPropaga—五个因素主要包括的参数如表1所示。tion)神经网络是一种非线性变换单元组成的前馈表1影响卡钻的主要参数网络，它由输入层、隐层、输出层及各层之间的节地层因素岩石、土壤类型工程

5、力学性质地质结构地层中流体情况点连接构成，一个三层BP网络可以在任意精度内井身结构井的类型(探井、开发井)井段狗腿度逼近任意函数。本文将神经网络这一方法应用到钻井液参数密度漏斗黏度塑性黏度含砂量泥饼厚度滤矢量电性循环压力第一作者简介：张奇志，教授，2011年获得西北工业大学博士学操作水平司钻技术等级安全教育及培训情况规章制度执行情况钻进参数钻压转速排量泵压位，从事电动钻机自动控制等方面的研究，E—mail：zhuzhuzhu一2005@126．tom，地址：陕西西安市电子二路东段18号西安石油大本文在同一操作水平下对

6、开发井发生的卡钻事学，710065。故做预测模型，参照大量钻井现场数据以及卡钻事项目名称：油气田钻井卡钻的预测与诊断技术研究故典型案例，最终选取的变量为：卡点井深、钻项目来源：陕西省自然科学基础研究计划项目编号：2010JM8022压、转速、排量、泵压、钻井液密度、漏斗黏度、ISI31j年第l期石；由石化节能15-试验·研夯，Testing&Research含砂量、泥饼厚度、滤矢量十个变量作为神经网络2神经网络对卡钻预测的实现输入层变量，分别用，Iz，⋯z。来表示，故输入向量为X=(z1，2，⋯z10)。训练数据的准

7、备工作是网络设计与训练的基1．2输出层节点的确立础，数据选择的科学合理性，以及数据表示的合理在网络设计中，对于确定的样本数，网络参数性对于网络设计具有极为重要的影响。数据的准备太少则不足以表达样本中蕴涵的全部规律，而网络包括原始数据的收集、数据分析、变量选择和数据参数太多则由于样本信息少而得不到充分的训练。受预处理等。为了实现对钻井现场卡钻的预测，本文样本信息量的限制，所以在不影响网络准确性的前搜集陕北地区大量钻井数据作为系统的训练以及测提下精简网络参数。本模型所要实现的功能是预测试数据。选取对卡钻预测影响较大、钻井

8、现场易获卡钻事故，故而设置一个输出层节点：0代表没有取的10个变量作为系统输入项。部分钻井现场数发生卡钻，1代表卡钻预警，输出向量为据样本如表2所示：10组数据中前5组为卡钻数O=(O1)。在应用中以0．5为基准线，小于0．5代表据，后5组为钻井状态正常的数据。存在发生卡钻风险，大于0．5代表钻井状态正常。表2训练数据1．3隐含层节点数的确立卡