BP神经网络法预测水基绒囊钻井液当量静态密度.docx

第35卷第6期石油钻采工艺Vol.35No.6

2013年11月OILDRILLINGPRODUCTIONTECHNOLOGYNov.2013

文章编号：1000-7393(2013)06-0032-04

BP神经网络法预测水基绒囊钻井液当量静态密度

王金凤杨晨毛邓添苟斐斐

(中国石油大学石油工程教育部重点实验室，北京102249)

引用格式：王金凤，杨晨，毛邓添，等.BP神经网络法预测水基绒囊钻井液当量静态密度[J].石油钻采工艺，2013,356):32-35.

摘要：为研究水基绒囊钻井液当量静态密度随井深变化规律，以绒囊钻井液PVT实验数据为样本，建立了反映绒囊钻井液压力、温度和密度关系的BP神经网络。以BP神经网络为基础，建立与压力和温度相关的井深与绒囊钻井液井下静态当量密度预测模型。模型计算结果相比多元回归预测结果，与PVT实测数据相对误差更小，与磨80-C1井现场测定的0~2500m钻井液静态当量密度结果更吻合。用建立的BP神经网络模型预测磨80-C1井所在的磨溪地区绒囊钻井液2500~6000m的静态当量密度，发现绒囊钻井液随井深增加密度逐渐减小，表明绒囊未在高温高压下被压缩成连续相，随井深增加，温度使气囊膨胀作用比压力压缩作用更明显，间接证明了绒囊结构抗压缩能力强的同时，也表明温度加强了绒囊封堵作用。同时，BP神经网络应用于预测钻井液井下静态当量密度，为井下密度预测提供了一种新的数学处理方法。

关键词：BP神经网络法；预测；绒囊钻井液；当量静态密度中图分类号：TE254文献标识码：A

Predictionofequivalentstaticdensityofwater-basedfuzzyballdrillingfluidbyBPneuralnetworkmethod

WANGJinfeng,YANGChen,MAODengtian,GOUFeifei

(MOEKeyLaboratoryofPetroleumEngineeringinChinaUniversityofPetroleum,Beijing102249,China)

Abstract:Inordertostudytheequivalentstaticdensitychangingruleofwater-basedfuzzyballdrillingfluidwithdifferentwelldepth,BPneuralnetworkisestablished,basedonthePVTexperimentaldataoffuzzyballdrillingfuid,reflectingtherelationshipbetweenpressure,temperatureanddillingfuiddensity.Onthebasisofthenetwork,theequivalentstaticdensitypredictionmodelindifferentwelldepthisestablished,andtheweldepthisassociatedwithpressureandtemperature.Comparedwiththeresultpredictedbymultipleregressions,theBPneuralnetworkmethodcanobtainhigheraccuracy,andaremoreconsistentwiththestaticequivalentdensityinWellM80-Clatthedepthof0~2500m.Wepredictedtheequivalentstaticdensityofwater-basedfuzzyballdillingfuidinMoxiareaatthedepthof2500-6000mbyBPneuralnetwork,discoveringitdecreasedwithdepthincrease,whichprovedthefuzzyballw