基于支持向量机的钻井液高温高压静态密度预测模型.docxVIP

学兔兔 www.xuet ut 第 3 1 卷 第 3 期 钻 井 液 与 完 井 液 Vol.31 No.3 2014年5月 DRILLING FLUID COMPLETION FLUID May 2014 doi:10.3969/j.issn.1001-5620.2014.03.007 基于支持向量机的钻井液高温高压静态密度预测模型 徐生江1, 李杰1 , 吴继伟1 , 戎克生1, 王贵2 (1.新疆油田公司工程技术研究院，新疆克拉玛依；2.西南石油大学石油工程学院，成都) 徐生江等.基于支持向量机的钻井液高温高压静态密度预测模型[J]. 钻井液与完井液，2014,31(3):28-31. 摘要 钻井液的密度在高温高压条件下不再为一常数，准确预测高温高压钻井液密度值对确定井下压力剖面具有 重要意义。基于支持向量机回归原理，建立了支持向量机回归模型，预测了不同类型钻井液在高温高压下的静态密度。 结果表明，与相同条件下的其他方法相比，建立的支持向量机模型可针对不同钻井液类型，且对水基、油基及合成基 钻井液高温高压下静态密度值的预测均具有更高的精度和泛化能力。 关键词 钻井液；高温高压；密度；支持向量机；预测模型 中图分类号： TE254.1 文献标识码：A 文章编号：1001-5620(2014)03-0028-04 0 引 言 钻井液密度值是计算井底压力的关键参数之一， 直接关系着油气井的建井安全与成功。大量钻井实践 表明，钻井液密度会随着井筒内温度、压力的变化而 变化，准确获取高温高压下钻井液的密度特性有利于 确定井下压力剖面[1-。然而， 一方面准确测量高温、 高压下钻井液密度需要专用的测试设备，另一方面实 验测量数据点往往有限，不可能获取井下所有温度、 压力下的钻井液密度值。因此，利用较少的实验测量 数据来预测不同温度、压力下钻井液密度值，对钻井 设计与施工具有重要现实意义。 国内外对高温高压下钻井液密度的预测分析方 法主要有多元线性回归、人工神经网络 (ANN) 等， 如 ：Kutasove 等提出了决定井下钻井液密度的线性 “经验模型”, Karstad 等人提出了非线性理论模型， 该模型中系数的确定仍具有经验性，称之为“半经 验模型”[5], Osman 等利用人工神经网络技术建立了 ANN模型6。然而，在实际应用中这些方法均有各 自的适用范围，且常受到高温高压钻井液密度实测数 据样本过小的限制，无法获得理想的效果。支持向量 机 (SVM) 是基于统计学习理论建立的一种具有完 备理论基础的机器学习算法，该方法采用了结构风险 最小化原理，能够基于小样本的学习对其他样本进行 快速、准确地拟合预测，具有更好的泛化性能和精度， 减少对经验的依赖，能较好地解决小样本、非线性、 高维数等实际问题，广泛用于小样本的分类和回归问 题。高温高压钻井液密度的预测是一个典型的小样 本问题，笔者将支持向量机模型运用到高温高压钻井 液密度的预测研究中，并与现有其它方法进行了对比。 1 支持向量机原理 最简单的支持向量机回归使用线性函数对样本点 进行拟合，对于无法用线性函数拟合的问题，则将样 本映射到高维特征空间，在高维特征空间中建立线性 模型： y=f(x)=wφ(x)+b (1) 式中，φ(x)是将样本点映射到高维空间的非线性变 换， w 为权值向量， b 为偏置项。支持向量机回归问 题可表示如下优化问题： (2) 基金项目：中国石油天然气股份有限公司项目(210011459028)部分成果。 第一作者简介：徐生江，工程师，毕业于西南石油大学油气井专业，现在从事钻井液技术研究工作。地址：新疆克拉玛依 勘探开发研究院工程所；邮政编码834000;电话(0990)6869424;E-mail:shengjiangxu@126.com。 学兔兔 www.xuetut 第 3 1 卷 第 3 期 徐生江等：基于支持向量机的钻井液高温高压静态密度预测模型 29 式中， C 为惩罚系数，ε为回归允许的最大误差， 5i,5* 为引进的松弛变量。 通常通过求解上述模型的 Lagrange 对偶问题获 得原问题的最优解 (3) 式中， a 、a,* 为 Lagrange 乘子，只有部分不为0的 (a-a,*) 项对应为支持向量；K(x,x?) 称为核函数， 具有如下形式。 K(x,x,)=4(x)×4(x) ( 4) 满足 Mercer 核条件的对称函数均可作为核函数， 常用的核函数主要有图： 多项