| 基于云端大数据的智能导向钻井技术方法 |
| |
| 引用本文： | 底青云,李守定,付长民,吴思源,王啸天.基于云端大数据的智能导向钻井技术方法[J].工程地质学报(英文版),2021,29(1):162-170. |
| |
| 作者姓名： | 底青云 李守定 付长民 吴思源 王啸天 |
| |
| 作者单位： | 中国科学院地质与地球物理研究所,中国科学院页岩气与地质工程重点实验室,北京100029,中国;中国科学院地质与地球物理研究所,中国科学院深地资源装备技术工程实验室,北京100029,中国;中国科学院地球科学研究院,北京100029,中国;中国科学院大学,地球与行星科学学院,北京100049,中国;中国科学院地质与地球物理研究所,中国科学院页岩气与地质工程重点实验室,北京100029,中国;中国科学院地球科学研究院,北京100029,中国;中国科学院大学,地球与行星科学学院,北京100049,中国 |
| |
| 基金项目： | 中国科学院战略性先导科技专项(A类)XDA14040401中国科学院战略性先导科技专项(A类)XDA14050100中国科学院战略性先导科技专项(A类)XDA14050300中国科学院科研仪器设备研制项目YJKYYQ20190043中国科学院地质与地球物理研究所重点部署项目IGGCAS-201903中国科学院地质与地球物理研究所重点部署项目SZJJ201901 |
| |
| 摘 要： | 导向钻井技术方法是21世纪全球石油工业最重要的技术之一，也是美国“页岩气革命”核心技术水平钻井的关键组成部分。当前，导向钻井的主要研究目标是提高钻井速度、降低钻井时间和风险，智能化是目标实现的重要途径。文章分析了国内外大数据与人工智能在石油工业应用情况，建立了云端大数据智能导向钻井方法架构，提出了随钻测井参数人工智能反演与识别方法，指出了云端大数据与智能算法管理的实现途径，得出如下结论:(1)基于云端大数据智能导向钻井方法主要包括物联网感知层、大数据存储层和云平台决策层。物联网感知层实现井场关键信息的采集并传输至大数据中心；大数据中心支持数据存储与云管理；云平台决策层依托大数据中心的海量数据，进行云端地面软件控制、人工智能决策以及云平台管理。(2)采用机器学习的方法智能反演与识别地层岩性，选择自然电位、自然伽马、密度、声波、补偿中子、电阻率等6条随钻测井数据，分别采用不同的机器学习算法进行地层岩性反演与识别，决策树模型和随机森林模型分别达到0.81和0.89的准确度，形成了一套可快速自动描述岩性特性分类的方案。(3)云端平台管理决策可进行井下实时数据解码，获取钻井轨迹和测井曲线，其中云端人工智能决策模块对地层及钻井参数进行智能反演预测，可实现钻井轨迹智能修正和钻井参数智能优化，保证智能导向工程钻得准、钻得快。
|
| 关 键 词： | 智能导向钻井 大数据 随钻测井 |
| 收稿时间： | 2021-01-31 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《工程地质学报(英文版)》浏览原始摘要信息 |
| 点击此处可从《工程地质学报(英文版)》下载免费的PDF全文 |
|
