石油钻井中钻具失效的支持向量机技术.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第3o卷 第 1期 2006年2月 JOuRNA1OFDAQINGPETROLEUM INSTITUTE V01．30 No．1 Feb． 2006 石油钻井中钻具失效的支持向量机技术 阎 铁，王长江，毕雪亮，陈要辉，刘维凯 (大庆石油学院 石油工程学 院．黑龙江 大庆 163318) 摘 要：针对钻具失效影响因素多，隐蔽性强的特点，提出了一种运用支持向量机技术分析钻具失效的新方法；建立 了基于支持向量机技术的钻具失效模型，通过小样本数据优化。利用该模型对现场数据进行了模拟预测实验．实验结果 与实际情况相吻合． 关 ■ 词：钻井工程I钻具失效l统计学习理论1支持向量机；最优分类面；核函数 中图分类号：TP181 文献标识码 ：A 文章编号：1000—1891(2006)O1—0070—03 钻具失效的影响因素多，隐蔽性较强，一般方法较难处理该类问题．支持向量机 (SVM)是一种新型 数据挖掘和人工智能信息处理方法，可存贮钻具失效的理论分析、实验研究和现场实际数据 ，又可处理钻 具失效受实际条件和数据数量限制的样本分析问题．目前，国内外运用SVM技术研究钻具失效的报道较 少 ，已有的研究主要集中在以LubinskiA的微分方程法 。为代表的力学分析，室内实验研究钻柱的变 形及破坏规律 和依据钻井现场使用情况对钻具失效进行直接判断三个方面． 1 支持向量机 (SVM) 1．1 最优分类面 最优分类面由向量、分类间隔和分类线组成，线性可分 情况下的最优分类面的基本思想见图1．图1中圆点和三 角点分别代表两类样本，H 为分类线，H。，H：分别为过各 分类中离分类线最近的样本且平行于分类线的直线，它们 之间的距离即为分类间隔． 1．2 SVM 分类算法 设有 个样本x 及其所属类别Y，其中：( ，Y)， ∈ R ；Y∈{1，一1}；i=1，2，…，7／． ： = 砉 …c ㈩ 的最大值．解出因数a，，6对应的最优解a ，W ，6后，得到最优分类函数 收稿 日期：2005一O5—12；审稿人：邵克勇；编辑 ：郑丽芹 基金项 目{黑龙江 自然科学基金资助(E200507) 作者简介：阎 铁(1957一)·男 ·博士，教授 ，博士生导师。主要从事油气井工程力学、油气井工艺理论与技术等方面的研究 ·7O · 维普资讯 第 1期 阎 铁等：石油钻井 中钻具失效的支持 向量机技术 ，()：=：sgn((w ·)+6)一sgn(Z口Yi(。)+61， (2) 此时的寻优 目标函数变为 Q(口)=∑口一告∑ 口jYJ(·)， (3) i；1 i·J!l 相应的分类函数式变为 ，()一sgn(2 口yik( ·)+b)． (4) 将 问题转化为对偶问题后，只涉及i)lI练样本之间的内积运算( · )，可用原空间中的核函数实现． 在最优分类面中，采用适当的内积核函数，可以实现从低维空间向高维空间的映射，从而实现非线性分类 变换后的线性分类． 1．3 核函数 核函数将高维特征空间中的非线性运算转换为原输入空间的核函数计算，避免了 “维数灾难”和确定 非线性函数的形式、参数等复杂问题．根据Mercer定律，核函数是满足Mercer条件的任意对称函数．常 用的核 函数 有线性核 函数 、多项式核函数 、径向基核函数和 Sigmoid核函数．