使用机器学习方法对机动底孔组件的实时透率进行预测
Amir Shokry1, Salaheldin Elkatatny2, Abdulazeez Abdulraheem1
1Department of Petroleum Engineering, College of Petroleum Engineering & Geosciences, King Fahd University of Petroleum and Minerals, 31261, Dhahran, Saudi Arabia.
Scientific reports
|September 3, 2023
概括
本研究引入了人工智能模型,用于预测电动底孔组件 (BHA) 的钻探透率 (ROP). 这些模型可以准确地实时预测ROP,从而实现优化以降低钻井成本.
科学领域:
- 石油工程是石油工程中的一个.
- 人工智能在钻井中的应用
背景情况:
- 透率 (ROP) 显著影响钻井的经济性和效率.
- 机动底孔组件 (BHA) 提供了提高ROP和减轻振动的潜力.
- 有限的研究存在于预测ROP专门用于机动BHA.
研究的目的:
- 开发和评估人工智能模型,用于预测机动BHA操作中的ROP.
- 使用表面,下坑和泥参数进行准确的ROP预测.
- 为了实现钻探参数的实时优化,以提高性能.
主要方法:
- 人工神经网络 (ANN) 和自适应神经模糊推理系统 (ANFIS) 的应用.
- 在超过5800个数据点的数据集上进行培训和测试,以70/30的比率.
- 使用平均绝对百分比误差 (AAPE),根平均平方误差 (RMSE) 和相关系数 (R) 评估模型准确性.
主要成果:
- 无论是ANN和ANFIS模型都表现出准确预测机动BHA ROP的实时能力.
- 开发的模型实现了高精度,通过错误指标和相关性得到证实.
- 这些模型为评估机动BHA性能提供了强大的工具.
结论:
- 人工智能技术可以有效地预测机动BHA ROP.
- 提出的模型有助于实时优化钻探参数,以实现最大的ROP.
- 优化的ROP可以降低钻井成本,并尽量减少开孔暴露时间.


