基于集成学习的井漏智能预警模型及智能推理方法
张矿生1, 宫臣兴2, 3, 陆红军2, 3, 欧阳勇2, 3, 辛庆庆2, 3
1.中国石油长庆油田公司
2.中国石油长庆油田公司油气工艺研究院
3.中国石油长庆油田公司低渗透油气田勘探开发国家工程实验室
作者简介:张矿生(1976-),2004年毕业于西南石油学院油气田开发工程专业,获硕士学位,现从事低渗透、非常规油气储层改造方面研究与管理工作,高级工程师。通讯地址:(710018)陕西省西安市未央区凤城四路中国石油长庆油田公司。E-mail:zks_cq@petrochina.com.cn
基金项目: 中国石油天然气股份有限公司勘探工程技术攻关项目“钻完井关键技术研究与现场试验”(编号:2022KT16)
论文引用格式:张矿生,宫臣兴,陆红军,欧阳勇,辛庆庆. 基于集成学习的井漏智能预警模型及智能推理方法[J]. 石油钻采工艺,2023,45(1):47-54 doi: 10.13639/j.odpt.2023.01.007
摘 要: 水平井优快钻井技术加快了长庆油田致密油气大规模开发速度,但由于部分区域地层孔隙和微裂缝发育,承压能力低,极易发生井漏风险,严重制约了水平井提速提效。为进一步降低井漏风险,提高漏失预警的时效性和准确率,提出了一种因果关系约束下的井漏智能预警及漏失原因推理方法。基于漏失产生机理,分析了漏失风险的表征参数及其变化规律,将其作为输入参数约束条件,利用工况识别模型和特征变化规律准确定位井漏时间,基于BP神经网络和LSTM长短时记忆网络建立漏失风险预警模型,利用因果推断算法解释模型预警原因,结合风险机理实现警报约束。研究结果表明,LSTM集成网络井漏预警准确率达95.6%,基于集成学习的智能推理方法能够准确解释预警发生原因,对钻井现场及时采取井漏防范措施,保障水平井优快钻井具有重要意义。
关键词: 钻井井漏,BP,LSTM,集成学习,智能预警,智能推理