科研動(dòng)態(tài)
機(jī)理約束下鉆井機(jī)械鉆速智能預(yù)測泛化方法
中文題目：機(jī)理約束下鉆井機(jī)械鉆速智能預(yù)測泛化方法
論文題目：機(jī)理約束下鉆井機(jī)械鉆速智能預(yù)測泛化方法
錄用期刊/會(huì)議：天然氣工業(yè) (EI中文核心)
原文DOI：10.3787/j.issn.1000-0976.2024.09.016
錄用/見刊時(shí)間：2024年9月
作者列表：
1） 祝兆鵬 中國石油大學(xué)（北京）機(jī)械與儲(chǔ)運(yùn)工程學(xué)院 機(jī)電系教師
2） 朱林 中國石油大學(xué)（北京）人工智能學(xué)院 油氣人工智能專業(yè) 博24
3） 宋先知 中國石油大學(xué)（北京）石油工程學(xué)院 鉆井系教師
摘要:
鉆井機(jī)械鉆速的精準(zhǔn)預(yù)測對資源優(yōu)化配置和鉆井作業(yè)方案制定至關(guān)重要。智能化鉆速預(yù)測成為行業(yè)焦點(diǎn)，為改善模型跨井遷移能力，基于預(yù)處理后的錄井?dāng)?shù)據(jù)，結(jié)合鉆井專業(yè)知識(shí)，引入DANN構(gòu)建遷移學(xué)習(xí)模型。研究顯示：數(shù)據(jù)和網(wǎng)絡(luò)層約束提升模型精度和穩(wěn)定性，DANN模型有效實(shí)現(xiàn)鄰井知識(shí)遷移，增量學(xué)習(xí)算法通過雙滑動(dòng)窗口實(shí)現(xiàn)模型實(shí)時(shí)更新，提高預(yù)測精度和泛化能力。機(jī)理約束、遷移訓(xùn)練與實(shí)時(shí)更新疊加增強(qiáng)模型泛化性能，新井預(yù)測平均相對誤差降至20.2%。該方法相比傳統(tǒng)模型，具有更好的遷移性和準(zhǔn)確度，減少了重復(fù)訓(xùn)練時(shí)間，為智能鉆速預(yù)測提供了新路徑。
背景與動(dòng)機(jī):
本文提出了一體化的機(jī)械鉆速預(yù)測方法，結(jié)合機(jī)理約束和模型遷移更新。在模型訓(xùn)練層面，通過破巖機(jī)理建立了數(shù)據(jù)和架構(gòu)的雙重約束；在優(yōu)化層面，采用域?qū)股窠?jīng)網(wǎng)絡(luò)（DANN）制定了跨井遷移機(jī)制；在運(yùn)行層面，利用滑動(dòng)窗口、增量更新和實(shí)時(shí)錄井?dāng)?shù)據(jù)實(shí)現(xiàn)了模型的實(shí)時(shí)更新和動(dòng)態(tài)遷移。以國內(nèi)某區(qū)塊3口井為例，該方法相比傳統(tǒng)模型在遷移性和準(zhǔn)確度上表現(xiàn)更優(yōu)，減少了遷移訓(xùn)練時(shí)間，為機(jī)械鉆速預(yù)測提供了新方向。
設(shè)計(jì)與實(shí)現(xiàn):
（1）數(shù)據(jù)預(yù)處理：
采用孤立森林算法檢測并剔除數(shù)據(jù)異常值，提高數(shù)據(jù)質(zhì)量；應(yīng)用SG濾波算法降噪，保留數(shù)據(jù)關(guān)鍵特征和趨勢；通過min-max標(biāo)準(zhǔn)化方法對數(shù)據(jù)進(jìn)行歸一化，確保模型訓(xùn)練不受輸入?yún)?shù)規(guī)模影響。
（2）特征優(yōu)選：
基于鉆井工程機(jī)理和相關(guān)分析，將影響鉆速的可控因素分為施工參數(shù)、鉆頭參數(shù)、地質(zhì)參數(shù)和鉆井液參數(shù)四類；利用距離相關(guān)系數(shù)進(jìn)行相關(guān)性分析，篩選與鉆速相關(guān)性較高的參數(shù)，最終確定模型的輸入?yún)?shù)包括：施工參數(shù)；鉆頭參數(shù)；鉆井液參；其他參數(shù)。
（3）機(jī)理約束：
將修正楊格鉆速方程、機(jī)械比能方程和鉆頭水功率方程中的部分參數(shù)作為模型新特征輸入，使模型更具靈活性，并有效減少模型過擬合的風(fēng)險(xiǎn)；在損失函數(shù)中添加鉆速對鉆壓和轉(zhuǎn)速偏導(dǎo)數(shù)的懲罰項(xiàng)，確保模型符合鉆速與鉆壓、轉(zhuǎn)速呈正相關(guān)關(guān)系的物理約束關(guān)系。
（4）遷移學(xué)習(xí)：
采用域?qū)股窠?jīng)網(wǎng)絡(luò)（DANN）進(jìn)行遷移學(xué)習(xí)，將鄰井?dāng)?shù)據(jù)知識(shí)遷移到測試井，提升模型泛化能力。DANN模型由特征提取器、回歸器和域分類器組成，通過對抗訓(xùn)練學(xué)習(xí)域無關(guān)特征表示，實(shí)現(xiàn)知識(shí)遷移。
（5）模型更新：
包括滑動(dòng)窗口和增量學(xué)習(xí)算法，實(shí)現(xiàn)模型隨井下工況的實(shí)時(shí)更新；鄰井滑動(dòng)及鉆井滑動(dòng)窗口分別采集鄰井?dāng)?shù)據(jù)和目標(biāo)域數(shù)據(jù)；根立柱長度為步長更新數(shù)據(jù)，實(shí)現(xiàn)模型實(shí)時(shí)更新和優(yōu)化。
主要內(nèi)容:
一、機(jī)理約束：
數(shù)據(jù)層約束W×n作為特征，可以反映鉆壓和轉(zhuǎn)速對鉆速的綜合影響；4W/ΠdB2作為特征，可以反映破巖過程中單位體積巖石所需的能量；ρdQ3/d4ne作為特征，可以反映水力因素對鉆速的影響。
網(wǎng)絡(luò)層約束：鉆速與鉆壓、轉(zhuǎn)速正相關(guān)，損失函數(shù)加入懲罰項(xiàng)增強(qiáng)模型穩(wěn)定性和泛化能力。
二、遷移學(xué)習(xí)：
DANN模型由特征提取器、回歸器和域分類器組成，分別用于提取特征、進(jìn)行預(yù)測和識(shí)別特征域，以實(shí)現(xiàn)跨域?qū)W習(xí)。模型訓(xùn)練采用復(fù)合損失函數(shù)，融合鉆速預(yù)測誤差和域分類誤差。鉆速預(yù)測誤差通過比較實(shí)際與預(yù)測鉆速來衡量性能，而損失權(quán)重的調(diào)整則用于平衡特征提取與域分類的訓(xùn)練。
三、模型更新：
雙滑動(dòng)窗口：鄰井滑動(dòng)窗口用于采集鉆進(jìn)過程中鉆頭位置上下500 m 范圍內(nèi)井段的工程數(shù)據(jù)，以作為遷移學(xué)習(xí)訓(xùn)練的源域數(shù)據(jù)；鉆井滑動(dòng)窗口用于采集新鉆進(jìn)的100 m 數(shù)據(jù)，作為目標(biāo)域數(shù)據(jù)。
增量學(xué)習(xí)：以一根立柱長度為步長更新數(shù)據(jù)，實(shí)現(xiàn)模型實(shí)時(shí)更新和優(yōu)化。隨著源域和目標(biāo)域的滑動(dòng)更新，模型也進(jìn)行重新訓(xùn)練，從而讓模型實(shí)時(shí)適應(yīng)地下鉆進(jìn)環(huán)境變化。
實(shí)驗(yàn)結(jié)果及分析:
一、機(jī)理約束對比實(shí)驗(yàn)：
對比了隨機(jī)森林、XGBoost和BP神經(jīng)網(wǎng)絡(luò)等模型，BP模型表現(xiàn)最優(yōu)。在BP模型基礎(chǔ)上，分別進(jìn)行數(shù)據(jù)層和網(wǎng)絡(luò)層機(jī)理約束，雙約束模型預(yù)測精度最高，MAPE降低了20.8%，證明專業(yè)知識(shí)與神經(jīng)網(wǎng)絡(luò)結(jié)合具有有效性。
二、遷移學(xué)習(xí)對比實(shí)驗(yàn)：
遷移學(xué)習(xí)對比顯示，僅用目標(biāo)域或源域數(shù)據(jù)的BP模型預(yù)測不佳，結(jié)合數(shù)據(jù)后有所改善但仍有偏差。DANN模型利用相同數(shù)據(jù)遷移學(xué)習(xí)，預(yù)測性能大幅提升，MAPE降至29.6%，凸顯DANN模型在知識(shí)遷移上的優(yōu)勢。
三、模型更新對比實(shí)驗(yàn)：
雙滑動(dòng)窗口增量學(xué)習(xí)更新DANN模型，源域用鄰井?dāng)?shù)據(jù)，目標(biāo)域用測試井?dāng)?shù)據(jù)，提升預(yù)測精度和泛化能力，MAPE降31.8%，R2升16.9%，驗(yàn)證更新機(jī)制高效。
結(jié)論:
（1）數(shù)據(jù)層和網(wǎng)絡(luò)層約束共同提升了BP模型的精度和穩(wěn)定性，雙機(jī)理約束使MAPE降低了20.8%。
（2）采用域?qū)股窠?jīng)網(wǎng)絡(luò)的模型有效實(shí)現(xiàn)鄰井?dāng)?shù)據(jù)遷移，預(yù)測MAPE為29.6%，優(yōu)于非遷移學(xué)習(xí)模型。
（3）通過增量學(xué)習(xí)算法和雙滑動(dòng)窗口機(jī)制更新數(shù)據(jù)，模型實(shí)時(shí)適應(yīng)鉆進(jìn)環(huán)境，MAPE降至20.2%，提高精度和泛化能力。
（4）機(jī)理約束、遷移學(xué)習(xí)和增量更新機(jī)制疊加提升預(yù)測效果，所提模型性能遠(yuǎn)超傳統(tǒng)模型，相比普通BP模型，MAPE降低43.3%。其 MAPE 降低 43.3%。
作者簡介:
祝兆鵬，中國石油大學(xué)（北京）機(jī)械與儲(chǔ)運(yùn)工程學(xué)院，副教授，長期從事井筒多相流動(dòng)機(jī)理和智能鉆完井理論相關(guān)研究。
通訊作者簡介:
宋先知 中國石油大學(xué)（北京）石油工程學(xué)院院長，碳中和示范性能源學(xué)院執(zhí)行院長，二級教授。