基于神经网络的井漏风险预警技术.pdfVIP

2014年第 5期 信 息 通 信 2O14 (总第 137期) INF0RMAT10N CoM MUNICAT10NS (Sum．No 137) 基于神经网络的井漏风险预警技术 刘乙镔，梁海波，蔡 望，古 冉，徐莎莎，李晓端 (西南石油大学电气信息学院，四川成都 610500) 摘要：井漏是影响钻井施工安全最为严重的井下复杂情况之一，为了有效地预防井漏事故的发生，文章对井漏风险机理 进行了研究，得 出了井漏发生表征现象及井漏风险预警所需参数 ，此外，采用神经网络算法建立了具有 自学习性质的神 经网络预警模型，并运用现场数据对模型进行了检测，该模型能够很好地对钻井过程中的井漏风险进行预警，满足实际 钻井施工的要求。 关键词：井漏；风险预警；神经网络 ；预警模型； 中图分类号：TE28．3 文献标识码：A 文章编号：1673—1131(2014)05—0027—03 井漏是一种在钻井过程钻井液漏入地层的一种复杂情况。 通过理论研究，井漏最直接的表征现象为井底压力的 井漏的发生会引起钻具损坏、钻井液流失、钻井作业延迟等一 变化。在非裂缝型岩层条件下发生井漏时，井底压力值大 系列复杂情况。现场技术人员一般依靠综合录井数据进行井 于当前地层孔隙压力、漏失压力甚至破裂压力，并且井底压 漏风险预警，或者直接凭借经验判断。由于通过综合录井数 力会不断下降。而钻井液池体积下降、入 口流量大于出口 据和技术人员经验直接判断井漏风险的局限性，不能及时识 流量，或者 出口流量为零等现象也是识别井漏风险发生的 别出存在的风险或者出现误判的情况。 重要依据 本文通过对井漏发生机理的研究，得出井漏风险发生的 2神经网络井漏预警模型的建立 表征参数，采用 BP神经网络算法建立井漏风险预警模型，通 井漏风险预警是一个多参数输入、非线性度较高的分析 过对邻井样本数据的训练学习，得出神经网络模型各结点的 过程，通过建立的井漏风险预警分析模式可以看出，一个结构 权重值和阈值，并将训练完成的模型用于当前的井漏风险预 合理、分析精度较高的神经网络对于准确进行井漏风险预警 警，利用该模型可以很好地为现场施工人员提供井漏风险的 分析是十分重要的 。BP神经网络是 目前工程应用中最广泛 判断依据。 采用且最为成熟可靠的神经网络算法，该算法在各领域已经 1井漏风险机理研究 有较多的研究及应用成果。鉴于此，本文在 BP神经网络工作 凡是发生钻井液漏失的地层，必定具备以下三个必要条件…： 原理及井漏风险预警分析模式 的基础上，建立了一种针对正 (1)地层中存在天然的，或人为造成的漏失通道 以及能够 常钻进过程的井漏风险预警分析模型。 容纳钻井液的较大空间，使钻井液具备通行条件； 2．1BP神经网络基本原理 (2)井底压力大于地层孔隙压力或者破裂压力，在正压差 BP神经网络是一种采用信号正向传播和误差反向传播的 的作用下，环空中的钻井液通过天然漏失通道或产生的裂缝 多层前馈网络算法，由输入层、隐含层和输出层构成” 。它具 漏失到地层； 有 良好的非线性映射能力，通过不断调整各层神经节点间的 (3)外来钻井液中固相的粒径需远小于漏失地层的漏失 权值与阈值，使网络达到更好的逼近能力。 通道开