| 基于融合特征选择算法的钻速预测模型研究 |
| |
| 引用本文： | 周长春,姜杰,李谦,朱海燕,李之军,鲁柳利.基于融合特征选择算法的钻速预测模型研究[J].探矿工程,2022,49(4):31-40. |
| |
| 作者姓名： | 周长春 姜杰 李谦 朱海燕 李之军 鲁柳利 |
| |
| 作者单位： | 成都理工大学环境与土木工程学院，四川 成都 610059,成都理工大学机电工程学院，四川 成都 610059,成都理工大学环境与土木工程学院，四川 成都 610059,成都理工大学能源学院，四川 成都 610059,成都理工大学环境与土木工程学院，四川 成都 610059,成都工业学院大数据与人工智能学院，四川 成都 611730 |
| |
| 基金项目： | 中海石油（中国）有限公司项目“南海西部油田上产2000万方钻完井关键技术研究”子课题“乐东10区超高温高压井综合提速技术研究”（编号：CNOOC-KJ135ZDXM38ZJ05ZJ）；四川省科技支撑计划应用基础研究项目“四川深层页岩气产能大数据挖掘和智能评估方法研究”（编号：2021YJ0360） |
| |
| 摘 要： | 钻速预测是钻井优化的重要组成部分，机器学习算法是当前实现准确钻速预测的重要手段，准确的特征选择是保证机器学习精度的关键途径。基于南海某井眼的实际钻井数据，本文采用一种融合特征选择法从钻井特征参数中选出井径、钻井液出口温度、钻井液入口密度、钻井液出口密度、K值、塑性粘度、滤失量、上覆压力、孔隙压力、和喷嘴等效直径共10种参数。将优选出的参数作为模型输入，引入集成的梯度提升树（Gradient Boosting Decision Tree，GBDT）算法建立机械钻速预测模型。将建立的模型与常规机器学习算法模型进行对比试验。试验结果显示，所提出的融合特征选择算法模型精度较全特征模型高2%，较常用机器学习模型平均高14.5%，该研究为钻井参数的准确、快速寻优提供了有效解决方案，对提高钻进速率具有一定的指导意义和实际应用价值。
|
| 关 键 词： | 钻速预测 机器学习 融合特征选择 梯度提升树算法（GBDT） |
| 收稿时间： | 2022/4/25 0:00:00 |
| 修稿时间： | 2022/6/17 0:00:00 |
Research on drilling rate prediction model based on fusion feature selection algorithm |
| |
| ZHOU Changchun,JIANG Jie,LI Qian,ZHU Haiyan,LI Zhijun and LU Liuli.Research on drilling rate prediction model based on fusion feature selection algorithm[J].Exploration Engineering(Drilling & Tunneling),2022,49(4):31-40. |
| |
| Authors: | ZHOU Changchun JIANG Jie LI Qian ZHU Haiyan LI Zhijun and LU Liuli |
| |
| Institution: | College of Environment Civil Engineering, Chengdu University of Technology, Chengdu Sichuan 610059, China,School of Mechanical and Electrical Engineering, Chengdu University of Technology,Chengdu Sichuan 610059, China,College of Environment Civil Engineering, Chengdu University of Technology, Chengdu Sichuan 610059, China,College of Energy, Chengdu University of Technology, Chengdu Sichuan 610059, China,College of Environment Civil Engineering, Chengdu University of Technology, Chengdu Sichuan 610059, China,School of Big Data and Artificial Intelligence, Chengdu Technological University, Chendu Sichuan 611730, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《探矿工程》浏览原始摘要信息 |
| 点击此处可从《探矿工程》下载免费的PDF全文 |
|
