基于多维时序LSTM的超深井机械钻速预测方法

摘要

为解决复杂深井钻井过程中机械钻速影响因素多、机理复杂且存在非线性、强耦合等特征的难题,提出了一种基于多维时序长短期记忆神经网络的机械钻速预测方法。根据新疆X-1井实际测录井数据,通过分析特征相关性和传统钻速方程的物理意义,优选工程参数、水力学参数、岩性参数和其他参数作为模型输入,分析多维特征在不同参数组合模式下的钻速预测效果。研究表明,机械钻速与转速、扭矩、立管压力呈正相关关系,与垂深、大钩载荷、比钻压、钻井液电导率、出口钻井液温度、出口排量、PDC可钻性极值呈负相关关系,与泵冲、钻井液密度相关性较弱;不同特征参数组合的机械钻速预测精度不同,其中,最优参数组合为比钻压、转速、扭矩、大钩载荷、立管压力、钻井液电导率、出口钻井液温度、出口排量、垂深、PDC可钻性极值,机械钻速预测的平均绝对误差为0.30 m/h,平均绝对百分比误差为11.35%,拟合优度为0.93;采用正交实验法确定了模型的最优超参数组合方案,预测效果提升较好,预测的绝对系数可提高0.06。

关键词

超深井 / 机械钻速 / LSTM / 超参数组合 / 正交实验