期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进时序网络的钻进参数可解释实时预测
1
作者
张瑞
祝兆鹏
+4 位作者
李大钰
宋先知
李根生
张诚恺
朱硕
《石油机械》
北大核心
2024年第4期1-10,共10页
实时准确预测钻进参数变化趋势对现场钻井作业具有重要参考价值。针对智能模型在现场作业应用中面临的钻进参数可获取性限制,提出了一种基于注意力时域卷积网络(AT-TCN)的钻进参数超前预测方法。该方法不仅考虑了录井曲线随深度变化的...
实时准确预测钻进参数变化趋势对现场钻井作业具有重要参考价值。针对智能模型在现场作业应用中面临的钻进参数可获取性限制,提出了一种基于注意力时域卷积网络(AT-TCN)的钻进参数超前预测方法。该方法不仅考虑了录井曲线随深度变化的趋势和自相关性,同时嵌入高拓展性的注意力机制模块,使模型更好地捕捉钻进参数的动态变化。利用现场钻井数据集测试,评估了模型在预测4种关键钻进参数(扭矩、立管压力、钻井液当量密度和机械钻速)方面的有效性和准确性。研究结果表明:AT-TCN预测当量密度的准确率最高达到99%,且在模型精度和计算效率上,均优于其他4种深度学习模型,能够有效捕捉钻进参数的变化趋势。AT-TCN还提供模型的双重可解释性,可从时序和特征维度方面反映输入序列对预测结果的影响。研究结果有望为钻井作业的安全性、高效性作出重要贡献,具有较强的落地应用价值。
展开更多
关键词
钻进参数
智能模型
超前预测
注意力机制
时序卷积网络
可解释性
下载PDF
职称材料
水平井钻井提速-减阻-清屑多目标协同优化方法
被引量:
1
2
作者
丁建新
李雪松
+4 位作者
宋先知
张诚恺
马宝东
刘子豪
祝兆鹏
《石油机械》
北大核心
2023年第11期1-10,共10页
水平井钻井过程中,钻进破岩、管柱延伸和井筒流动等子系统相互耦合、相互制约,现有的仅考虑单一子系统的钻井优化方法难以兼顾效率和风险。针对此问题,提出了综合考虑破岩提速、管柱减阻和井筒清洁多过程耦合的水平井钻井提速-减阻-清...
水平井钻井过程中,钻进破岩、管柱延伸和井筒流动等子系统相互耦合、相互制约,现有的仅考虑单一子系统的钻井优化方法难以兼顾效率和风险。针对此问题,提出了综合考虑破岩提速、管柱减阻和井筒清洁多过程耦合的水平井钻井提速-减阻-清屑多目标协同优化方法,建立了基于随机森林的机械钻速智能预测模型、基于刚杆模型的摩阻系数智能反演模型和基于两层稳态模型的水平井岩屑运移模型,并以钻压、转速和排量为决策变量,以提高机械钻速、降低机械比能为目标,以不发生管柱风险(摩阻系数过大)和井眼清洁风险(岩屑床高度过高)为约束条件,采用带精英策略的非支配排序遗传算法和逼近理想解排序算法进行多目标优化与决策,给出钻压、转速和排量的最优参数组合。将该方法应用于某水平井7600~7650 m水平段进行实例分析。分析结果表明,优化后机械钻速提高了32%,机械比能降低了19%,且摩阻系数和岩屑床高度均在安全范围内。提出的水平井钻井提速-减阻-清屑多目标协同优化方法能够在优化钻井效率的同时降低卡钻和井眼清洁不足等风险。该方法可为水平井安全高效钻进提供保障。
展开更多
关键词
钻井优化
提速-减阻-清屑
多过程协同
多目标优化
机器学习
下载PDF
职称材料
钻柱摩阻扭矩智能预测模型与解释
3
作者
刘慕臣
宋先知
+5 位作者
李大钰
朱硕
付利
祝兆鹏
张诚恺
潘涛
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2023年第9期89-99,共11页
钻井管柱力学的准确表征和动态分析是保证安全高效钻井的关键。现有经典的钻井管柱摩阻扭矩软杆/刚杆模型中,钻柱摩阻系数通过经验估算或钻后反演来确定,其准确性和时效性有待提升。本研究基于人工智能技术在复杂非线性映射问题中的有效...
钻井管柱力学的准确表征和动态分析是保证安全高效钻井的关键。现有经典的钻井管柱摩阻扭矩软杆/刚杆模型中,钻柱摩阻系数通过经验估算或钻后反演来确定,其准确性和时效性有待提升。本研究基于人工智能技术在复杂非线性映射问题中的有效性,通过预测摩阻系数建立机理-数据融合的钻柱摩阻扭矩预测方法。首先利用已钻录井数据和软杆模型反演摩阻系数,为摩阻系数智能预测提供数据基础,通过对74口井数据处理和特征量化分析,建立考虑数据序列特征的LSTM(Long Short-Term Memory)网络,并通过摩阻扭矩预测和SHAP(SHapley Additive exPlanation)可解释性分析验证模型合理性。结果表明:摩阻系数预测误差为5.89%,摩阻扭矩预测误差降低了4.41%,模型表征的输入特征与摩阻系数的映射关系符合管柱力学机理,具备较强稳定性和可解释性。该方法可为钻井管柱力学的准确表征与动态分析提供理论与技术支撑。
展开更多
关键词
智能预测
钻柱摩阻扭矩
摩阻系数
机理数据融合
可解释性
深度学习
下载PDF
职称材料
题名
基于改进时序网络的钻进参数可解释实时预测
1
作者
张瑞
祝兆鹏
李大钰
宋先知
李根生
张诚恺
朱硕
机构
中国石油大学(北京)信息科学与工程学院/人工智能学院
中国石油大学(北京)机械与储运工程学院
中国石油大学(北京)高端油气装备智能设计与制造研究中心
中石油江汉机械研究所有限公司
出处
《石油机械》
北大核心
2024年第4期1-10,共10页
基金
国家自然科学基金杰出青年基金项目“油气井流体力学与工程”(52125401)
国家重点研发计划“变革性技术关键科学问题”专项之“复杂油气智能钻井理论与方法”(2019YFA0708300)
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项“物探、测井、钻完井人工智能理论与应用场景关键技术研究”(ZLZX2020-03)。
文摘
实时准确预测钻进参数变化趋势对现场钻井作业具有重要参考价值。针对智能模型在现场作业应用中面临的钻进参数可获取性限制,提出了一种基于注意力时域卷积网络(AT-TCN)的钻进参数超前预测方法。该方法不仅考虑了录井曲线随深度变化的趋势和自相关性,同时嵌入高拓展性的注意力机制模块,使模型更好地捕捉钻进参数的动态变化。利用现场钻井数据集测试,评估了模型在预测4种关键钻进参数(扭矩、立管压力、钻井液当量密度和机械钻速)方面的有效性和准确性。研究结果表明:AT-TCN预测当量密度的准确率最高达到99%,且在模型精度和计算效率上,均优于其他4种深度学习模型,能够有效捕捉钻进参数的变化趋势。AT-TCN还提供模型的双重可解释性,可从时序和特征维度方面反映输入序列对预测结果的影响。研究结果有望为钻井作业的安全性、高效性作出重要贡献,具有较强的落地应用价值。
关键词
钻进参数
智能模型
超前预测
注意力机制
时序卷积网络
可解释性
Keywords
drilling parameter
intelligent model
advance prediction
attention mechanism
TCN
interpretability
分类号
TE21 [石油与天然气工程—油气井工程]
下载PDF
职称材料
题名
水平井钻井提速-减阻-清屑多目标协同优化方法
被引量:
1
2
作者
丁建新
李雪松
宋先知
张诚恺
马宝东
刘子豪
祝兆鹏
机构
昆仑数智科技有限责任公司
中国石油大学(北京)油气资源与工程全国重点实验室
中国石油大学(北京)石油工程学院
出处
《石油机械》
北大核心
2023年第11期1-10,共10页
基金
国家重点研发计划项目“变革性技术关键科学问题”(2019YFA0708300)
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项“物探、测井、钻完井人工智能理论与应用场景关键技术研究”(ZLZX2020-03)
+1 种基金
国家杰出青年科学基金项目“油气井流体力学与工程”(No.52125401)
中国石油大学(北京)科学基金项目“深井气侵自动压井井底压力智能预测和控制方法”(2462022SZBH002)。
文摘
水平井钻井过程中,钻进破岩、管柱延伸和井筒流动等子系统相互耦合、相互制约,现有的仅考虑单一子系统的钻井优化方法难以兼顾效率和风险。针对此问题,提出了综合考虑破岩提速、管柱减阻和井筒清洁多过程耦合的水平井钻井提速-减阻-清屑多目标协同优化方法,建立了基于随机森林的机械钻速智能预测模型、基于刚杆模型的摩阻系数智能反演模型和基于两层稳态模型的水平井岩屑运移模型,并以钻压、转速和排量为决策变量,以提高机械钻速、降低机械比能为目标,以不发生管柱风险(摩阻系数过大)和井眼清洁风险(岩屑床高度过高)为约束条件,采用带精英策略的非支配排序遗传算法和逼近理想解排序算法进行多目标优化与决策,给出钻压、转速和排量的最优参数组合。将该方法应用于某水平井7600~7650 m水平段进行实例分析。分析结果表明,优化后机械钻速提高了32%,机械比能降低了19%,且摩阻系数和岩屑床高度均在安全范围内。提出的水平井钻井提速-减阻-清屑多目标协同优化方法能够在优化钻井效率的同时降低卡钻和井眼清洁不足等风险。该方法可为水平井安全高效钻进提供保障。
关键词
钻井优化
提速-减阻-清屑
多过程协同
多目标优化
机器学习
Keywords
drilling optimization
ROP improvement,drag reduction and hole cleaning
multi-process collaboration
multi-objective optimization
machine learnin
分类号
TE319 [石油与天然气工程—油气田开发工程]
下载PDF
职称材料
题名
钻柱摩阻扭矩智能预测模型与解释
3
作者
刘慕臣
宋先知
李大钰
朱硕
付利
祝兆鹏
张诚恺
潘涛
机构
中国石油大学(北京)人工智能学院
中国石油大学(北京)石油工程学院
油气资源与工程全国重点实验室
中石油江汉机械研究所有限公司
中国石油集团工程技术研究院有限公司
中国石油大学(北京)机械与储运工程学院
出处
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2023年第9期89-99,共11页
基金
国家重点研发计划项目(2019YFA0708300X)
NSFC国家杰出青年科学基金项目(52125401)
+1 种基金
中国石油天然气集团有限公司−中国石油大学(北京)战略合作科技专项项目(ZLZX2020-03)
中国石油科技创新基金项目(2022DQ02-0308)。
文摘
钻井管柱力学的准确表征和动态分析是保证安全高效钻井的关键。现有经典的钻井管柱摩阻扭矩软杆/刚杆模型中,钻柱摩阻系数通过经验估算或钻后反演来确定,其准确性和时效性有待提升。本研究基于人工智能技术在复杂非线性映射问题中的有效性,通过预测摩阻系数建立机理-数据融合的钻柱摩阻扭矩预测方法。首先利用已钻录井数据和软杆模型反演摩阻系数,为摩阻系数智能预测提供数据基础,通过对74口井数据处理和特征量化分析,建立考虑数据序列特征的LSTM(Long Short-Term Memory)网络,并通过摩阻扭矩预测和SHAP(SHapley Additive exPlanation)可解释性分析验证模型合理性。结果表明:摩阻系数预测误差为5.89%,摩阻扭矩预测误差降低了4.41%,模型表征的输入特征与摩阻系数的映射关系符合管柱力学机理,具备较强稳定性和可解释性。该方法可为钻井管柱力学的准确表征与动态分析提供理论与技术支撑。
关键词
智能预测
钻柱摩阻扭矩
摩阻系数
机理数据融合
可解释性
深度学习
Keywords
intelligent prediction
drag&torque of drill string
friction coefficient
mechanism-data fusion
interpretability
deep learning
分类号
TE21 [石油与天然气工程—油气井工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进时序网络的钻进参数可解释实时预测
张瑞
祝兆鹏
李大钰
宋先知
李根生
张诚恺
朱硕
《石油机械》
北大核心
2024
0
下载PDF
职称材料
2
水平井钻井提速-减阻-清屑多目标协同优化方法
丁建新
李雪松
宋先知
张诚恺
马宝东
刘子豪
祝兆鹏
《石油机械》
北大核心
2023
1
下载PDF
职称材料
3
钻柱摩阻扭矩智能预测模型与解释
刘慕臣
宋先知
李大钰
朱硕
付利
祝兆鹏
张诚恺
潘涛
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部