[发明专利]基于神经网络的PSO钻井参数优化方法

权利要求书

1.一种基于神经网络的PSO钻井参数优化方法，其特征在于包括如下步骤：

(1)将当前井地层岩性、井眼尺寸、设计井深、井位、钻具组合等设计参数输入钻井参数优化系统数据库；

(2)从目标数据库查询是否存在当前井的邻井历史数据，若存在则提取后经远程数据传输至系统数据分析处理模块，对邻井数据进行预处理，处理后的数据输入神经网络进行模型训练，输出钻前参数预测模型；

(3)下钻后，同步获取当前随钻数据参数，计算当前机械钻速，同时将随钻数据参数输入神经网络进行模型更新，将模型中相同地层岩性和井眼尺寸下的机械钻速与当前机械钻速对比；若当前更优，则保持参数不变，判断是否进入优化算法；若预测值更优，将对应参数代替当前参数，判断是否进入优化算法；若人工选择进入优化算法，采用PSO算法对当前钻井参数进行组合优化，得到当前状态下的最优钻井参数匹配；若不进入优化算法，则继续以当前钻井参数钻进，并保存数据至数据库，直至结束；

所述对邻井数据进行预处理为：采用填充法处理缺省参数，将缺省参数自动填充为邻域一定范围的平均值，然后采用prestd函数对参数进行降维度和归一化处理；

所述处理后的数据输入神经网络进行模型训练，输出钻前参数预测模型为：选取钻压、排量、钻井液密度、转速、泵压作为神经网络输入，选取机械钻速作为神经网络输出，隐层为单层结构；将邻井实测数据前段作为训练数据进行神经网络训练，达到预设精度或训练步数后网络训练完成；将实测数据后段作为检验数据对神经网络进行检验，对神经网络预测模型进行验证，得到结果后，输出钻前参数预测模型；

所述采用PSO算法对当前钻井参数进行组合优化为：采用向量编码方式，分别对应钻压、排量、钻井液密度、转速、泵压参数；以神经网络的输出预测模型结果作为PSO算法的适应度函数；设置粒子参数，所述粒子参数包括：种群规模、迭代次数和学习因子。

2.根据权利要求1所述的基于神经网络的PSO钻井参数优化方法，其特征在于所述的钻井参数优化系统包括数据采集模块、数据传输模块、底层数据库、数据分析处理模块、神经网络预测模块、PSO参数优化模块、上位机显示与操作模块。

3.根据权利要求2所述的基于神经网络的PSO钻井参数优化方法，其特征在于所述的数据采集模块包括井口检测传感器和井下随钻测量仪测量传感器。

4.根据权利要求3所述的基于神经网络的PSO钻井参数优化方法，其特征在于所述的井口检测传感器包括转盘转速、泵冲、立压、池体积、电扭矩、钻井液密度和绞车传感器。

5.根据权利要求3所述的基于神经网络的PSO钻井参数优化方法，其特征在于所述的井下随钻测量仪测量传感器包括钻压、扭矩、温度、内外环空压力、振动、井斜、方位和工具面传感器。