石油学报

作者：孙金声, 刘凡, 程荣超, 冯杰, 郝惠军, 王韧, 白英睿, 刘钦政

单位：1. 中国石油集团工程技术研究院有限公司 北京 102206;2. 中国石油大学(华东)石油工程学院 山东青岛 266580;3. 中国石油大学(北京)地球科学学院 北京 102249

关键词：防漏堵漏,机器学习,井漏,人工智能,油气钻井

基金：孙金声,男,1965年1月生,2006年获西南石油大学博士学位,现为中国工程院院士、中国石油集团工程技术研究院有限公司总工程师、中国石油大学(华东)博士生导师,主要从事钻井液、储层保护、天然气水合物开采理论与技术等研究工作。Email:sunjsdri@cnpc.com.cn

摘要： 随着大数据和人工智能技术在油气勘探开发领域应用不断拓展，数字化、智能化防漏堵漏技术已成为必然发展趋势，基于机器学习的算法模型及配套软件是核心内容。通过系统归纳分析了人工神经网络、支持向量机、随机森林、案例推理等机器算法在井漏特征预测、井漏实时监测和应用决策模型的应用现状，对比了各类机器学习算法的输入参数、输出参数、测试准确率及应用效果。机器学习算法在漏失层位预测、井漏监测预警及防漏堵漏措施推荐等方面体现了良好的应用前景，相比人工统计分析，其时效性、准确性和规模化应用优势明显，但还无法科学预测计算漏失压力、孔缝尺寸等井漏特征关键参数以及优化施工工艺。国外油气公司数字化钻完井技术布局早，现已整合多种机器学习算法开发了防漏堵漏相关软件，并在现场取得了一定应用成效。中国井漏相关数据治理、机器学习算法开发及配套软件攻关研究起步较晚，尚未建立成熟可靠的防漏堵漏数字化平台和智能化专家系统。为加快中国防漏堵漏技术数字化、智能化转型发展，需重点开展3方面研究：①推进井漏相关的多维度数据整合，搭建包括地震、测井、录井、钻井、防漏堵漏室内评价、防漏堵漏现场施工等方面的数据湖，补齐数据短板；②加强机器学习算法模型的解释性研究，结合井漏相关机理，提升算法模型的科学性和准确性；③集成井漏数据湖和算法模块，分区域建立井漏智能预测预警及防漏堵漏辅助决策专家系统，制定精细的防漏堵漏作业标准，全面提高一次防漏堵漏成功率。

来源：2022年第1期

《石油学报》期刊编辑部

查看石油学报杂志2022年第1期