申请/专利权人：西南石油大学

申请日：2023-02-14

公开（公告）日：2024-04-02

公开（公告）号：CN116070767B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/04;G06N3/08;G06F18/2431

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.05.23#实质审查的生效;2023.05.05#公开

摘要：本发明公开一种基于胶囊神经网络的钻井液漏失层位预测方法，包括：获取初始数据，并进行预处理；获取初始数据中影响钻井液漏失的关键因素；选取多个现有的胶囊神经网络模型并建立PR曲线，并根据PR曲线获得最佳的胶囊神经网络模型；对获得的胶囊神经网络模型进行训练，同时训练过程中利用测试集进行测试，以较佳的训练次数；将待测层位的漏失数据输入到测试完成的胶囊神经网络模型中，根据计算结果判断该层位是否发生漏失。本发明提供的方法能够从影响漏失的因素出发，综合了地层地质资料、钻井液性能参数、钻井施工参数，系统的考虑漏失层段的地质情况及漏失情况，因此能够较好的对现场漏失情况进行预测，可为现场的堵漏作业提供指导。

主权项：1.一种基于胶囊神经网络的钻井液漏失层位预测方法，其特征在于，包括以下步骤：步骤1：获取影响钻井液漏失的初始数据，并对初始数据进行预处理；步骤2：采用多因素方差分析法和随机森林算法，获取初始数据中影响钻井液漏失的关键因素，将关键因素和与关键因素对应的漏失结果组成数据集，并将数据集分为训练集和测试集；步骤3：构建多个胶囊神经网络模型并建立PR曲线，并根据PR曲线对胶囊神经网络模型结构进行选择，获得最佳的胶囊神经网络模型；步骤4：采用训练集对步骤3获得的胶囊神经网络模型进行训练，同时训练过程中利用测试集进行测试，并采用准确度、召回率和F1得分对测试结果进行评估；步骤5：将待测层位的漏失数据输入到测试完成的胶囊神经网络模型中，根据计算结果判断该层位是否发生漏失；采用多因素方差分析法的P值和随机森林算法的特征重要性来确定影响漏失的关键因素，其中，P值小于0.1时，将该因素作为对漏失结果影响显著的因素；步骤1中，原始漏失数据包括地层地质资料、钻井作业参数、钻井液性能参数，地层地质资料包括地层岩性、地层破裂压力、孔隙压力、单轴抗压强度；钻井作业参数包括深度、钻压、转速、扭矩、立管压力、排量；钻井液性能参数包括钻井液密度、粘度、固相含量、静切力；步骤3中，通过构建不同深度、不同卷积层数、不同池化层数的方式构建多个胶囊神经网络；将训练集的数据输入不同胶囊神经网络中，并通过计算得到不同胶囊神经网络的PR曲线，胶囊神经网络模型对应的PR曲线的面积越大，则其结果越优；步骤4中，使用F1得分、准确度、召回率对预测结果进行评估，其计算公式如下所示： 式中，F1Score表示F1得分，Accuracy表示准确度，Recall表示召回率；TP表示真阳性，即真实分类为正，模型预测也为正；TN表示真阴性，即真实分类为反，模型预测也为反；FP表示假阳性，即真实分类为反，模型预测为正；FN表示假阴性，即真实分类为正，模型预测为反。

全文数据：

权利要求：

百度查询： 西南石油大学 一种基于胶囊神经网络的钻井液漏失层位预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD