地层可钻性级值预测新方法

doi:10.7623/syxb200805024

石油学报 ›› 2008, Vol. 29 ›› Issue (5): 761-765.DOI: 10.7623/syxb200805024

地层可钻性级值预测新方法

马海¹, 王延江¹, 魏茂安², 胡睿²

1. 中国石油大学信息与控制工程学院, 山东东营, 257061;
2. 中国石化胜利石油管理局钻井工艺研究院, 山东东营, 257017

收稿日期:2007-11-30 修回日期:2008-01-04 出版日期:2008-09-25 发布日期:2010-05-21
作者简介:马海,男,1981年4月生,2004年毕业于中国石油大学(华东),现为中国石油大学(华东)在读博士研究生,主要从事信号与信息处理及模式识别研究.E-mail:mh_19810420@163.com
基金资助:
中国石化科技攻关项目(JP04014)“基于钻井工程地质数据库的钻井模拟”;中国石化科技攻关项目(JP03009)“地质导向钻井工艺技术研究”联合资助

A novel method for predicting formation drillability

MA Hai¹, WANG Yanjiang¹, WEI Mao'an², HU Rui²

1. College of Information and Control Engineering, China University of Petroleum, Dongying 257061, China;
2. Drilling Technology Research Institute, Sinopec Shengli Petroleum Administration Bureau, Dongying 257017, China

Received:2007-11-30 Revised:2008-01-04 Online:2008-09-25 Published:2010-05-21

摘要/Abstract

摘要： 对测井资料与地层可钻性级值的关系进行了分析,提出了一种基于粒子群优化支持向量机算法预测地层可钻性级值的新方法,利用测井声波时差、地层密度、泥质质量分数和地层深度进行学习训练支持向量机,并利用粒子群优化算法对支持向量机(PSO-SVM)参数进行优化,建立了预测地层可钻性级值的支持向量机模型。应用该方法对准噶尔盆地庄2井的地层可钻性级值进行了预测,并将该方法的预测结果与BP神经网络方法的预测结果进行了比较。结果表明,该方法优于BP神经网络方法,具有预测精度高、收敛速度快、推广能力强等优点。

关键词: 地层可钻性, 粒子群优化算法, 支持向量机, 测井资料, 参数优化, 预测模型

Abstract: After the relationship between well-log data and formation drillability was analyzed,a novel method for predicting formation drillability based on particle swarm optimization and support vector machine(PSO-SVM) was proposed.A prediction model for formation drillability was established using the data of well-log acoustic velocity,formation density,fraction of shale and formation depth by training the SVM optimized by PSO algorithm.The proposed method was applied to Zhuang 2 Well in Junggar Basin.The experimental results show that it has higher prediction precision,faster convergence speed and better generalization effect than BP neural network.

Key words: formation drillability, particle swarm optimization algorithm, support vector machine, well-log data, parameter optimization, prediction model

中图分类号:

TE249

马海, 王延江, 魏茂安, 胡睿. 地层可钻性级值预测新方法[J]. 石油学报, 2008, 29(5): 761-765.

MA Hai, WANG Yanjiang, WEI Mao'an, HU Rui. A novel method for predicting formation drillability[J]. Editorial office of ACTA PETROLEI SINICA, 2008, 29(5): 761-765.

[1]	王江帅, 李军, 柳贡慧, 陈安明, 骆奎栋, 黄涛, 汪伟. 变压力梯度下钻井环空压力预测[J]. 石油学报, 2020, 41(4): 497-504.
[2]	郭建春, 任冀川, 王世彬, 苟波, 赵俊生, 伍林. 裂缝性致密碳酸盐岩储层酸压多场耦合数值模拟与应用[J]. 石油学报, 2020, 41(10): 1219-1228.
[3]	高永海, 孟文波, 崔燕春, 张崇, 陈野, 董钊, 孙金声, 孙宝江. 深水气井水合物沉积预测新模型[J]. 石油学报, 2019, 40(8): 975-982.
[4]	赵传伟, 王绍先, 裴学良, 吴仲华, 聂云飞, 周洪国, 孙浩玉, 姜雪. 计数式全通径压裂滑套优化设计[J]. 石油学报, 2018, 39(4): 482-490.
[5]	周斌, 王延江, 刘伟锋, 刘宝弟. 基于Hessian正则化支持向量机的多视角协同识别抽油机井工况方法[J]. 石油学报, 2018, 39(12): 1429-1436.
[6]	罗伟, 林永茂, 李海涛, 蒋祖军, 伍强, 陶正武. 非均质底水油藏水平井ICD完井优化设计[J]. 石油学报, 2017, 38(10): 1200-1209.
[7]	赵欣, 邱正松, 黄维安, 周国伟, 张永君. 天然气水合物热力学抑制剂作用机制及优化设计[J]. 石油学报, 2015, 36(6): 760-766.
[8]	邢海燕, 党永斌, 王犇, 葛桦, 王尊策. 基于K-近邻隶属度模糊支持向量机的再造抽油杆损伤等级磁记忆定量识别[J]. 石油学报, 2015, 36(11): 1427-1432,1456.
[9]	汪岗, 秦勇, 申建, 赵丽娟, 赵锦程, 李叶朋. 基于变孔隙压缩系数的深部低阶煤层渗透率实验[J]. 石油学报, 2014, 35(3): 462-468.
[10]	滕学清, 李宁, 狄勤丰, 陈勉, 王文昌, 王明杰, 沈子俊. 塔里木盆地超深井311.2 mm井眼钻柱动力学特性及参数设计[J]. 石油学报, 2014, 35(2): 359-364.
[11]	董长银, 隆佳佳, 王登庆, 吴建平, 张忠禄, 张晓斌. 防砂水平井旋转水射流解堵工艺参数优化实验[J]. 石油学报, 2013, 34(4): 759-764.
[12]	王渝明, 王加滢, 康红庆, 孙强, 柴方源, 赵起越. 聚合物驱阶段提高采收率预测模型的建立与应用[J]. 石油学报, 2013, 34(3): 513-517.
[13]	郭建春路千里曾凡辉. 楔形裂缝压裂井产量预测模型[J]. 石油学报, 2013, 34(2): 346-352.
[14]	朱怡翔石广仁. 火山岩岩性的支持向量机识别[J]. 石油学报, 2013, 34(2): 312-322.
[15]	李　丽　刘建仪　张　威　张广东　李　超　叶长青. 相态变化对气藏流体结垢的影响[J]. 石油学报, 2012, 33(5): 864-870.

地层可钻性级值预测新方法

A novel method for predicting formation drillability

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价