[发明专利]一种基于CART算法的油气钻井机械钻速预测与优化方法

说明书

本发明涉及一种基于CART算法的油气钻井机械钻速预测与优化方法，包括：步骤1，收集数据；步骤2，分开次进行数据预处理，将8个钻井参数作为不同的特征属性及其包含的钻井数据作为输入变量X，机械钻速作为输出变量Y，得到初始数据集D₁；步骤3，数据相关性分析，得到不同开次的训练数据集D₂；步骤4，利用CART算法，建立不同开次的训练数据集D₂中输入变量与机械钻速之间的回归树模型；步骤5，分析生成的二叉树的每个叶节点信息，叶节点的均值作为机械钻速的预测值；步骤6，由上至下遍历每一层的节点划分结果，得出不同的钻井参数推荐值；步骤7，机械钻速最优判断。本发明能够缩短钻井周期，降低钻井成本，从而大幅提高油气资源的开发效率。

技术领域

本发明涉及石油勘探开发领域一种机械钻速的预测与优化方法，特别是涉及一种基于CART算法的机械钻速预测与优化方法。

背景技术

近年来，随着油气资源勘探规模的增加和开发力度的加强，各油田的油气勘探目标逐渐由浅部地层转向深部地层，而深井、超深井、水平井及大位移井是实现深部地层油气资源高效开发的最佳方式。在深井超深井钴采过程中，由于地质条件复杂、井下条件严苛等原因，工程施工作业面临很大挑战。为了更好地开发深部油气资源，缩短钻井周期，降低钻井成本和提高钻井效率是大势所趋，而解决这些问题最直接、最有效的途径就是提高机械钻速。因此，能够较好地预测机械钻速，对于优化钻井工艺，缩短钻井周期，降低钻井成本，有着十分重要的意义。

从20世纪50年代开始，一些学者(Young F S.Computerized Drilling Control[J].Journal of Petroleum Technology,1969,21(04):483-496)就考虑钻压、转速、排量等钻井工艺主要因素，利用回归分析的方法得出钻速方程(Bourgoyne A T,Young F S.AMultiple Regression Approach to Optimal Drilling and Abnormal PressureDetection[J].Society of Petroleum Engineers Journal,1974,14(04):371-384)，提出了结合现场钻井数据用多元回归的方法来确定钻速方程中的各项系数，以此建立了用于实际现场需求的钻速方程来指导机械钻速预测和优化。后来，有学者(Warren TM.Penetration-rate performance of roller-cone bits[J].SPE DrillingEngineering,1987,2(01):9-18)综合考虑了钻压、转速、钻头尺寸、钻头型号、岩石强度和钻井液性质等多个影响因素对机械钻速的影响，建立了适用于软地层的机械钻速方程。近年来，随着大数据技术的快速发展以及钻井数据的急速增长，用机器学习的方法对数据进行挖掘并应用到钻井工业中的情况已有多例，在钻头优选(毕雪亮,闫铁,陶丽杰.庆深油田神经网络法优选钻头研究[J].哈尔滨工程大学学报,2006,27(z1):111-114)、岩性识别(单敬福,陈欣欣,赵忠军,等.利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别[J].地球物理学进展,2015(3):1257-1263)等领域中已经得到了有效的应用，但是在用机器学习的方法预测和优化机械钻速方面却鲜有研究和报道。

发明内容

本发明的目的在于提供一种基于CART算法的油气钻井机械钻速预测与优化方法，该方法原理可靠，操作简便，能够提高钻井效率，缩短钻井周期，降低钻井成本，从而大幅提高油气资源的开发效率，具有广阔的市场应用前景。

为达到以上技术目的，本发明采用以下技术方案。

本发明基于现场录井测井的钻井数据，通过从钻井数据中筛选出能够影响机械钻速的钻井工程参数，利用相关分析模型确定各钻井工程参数与机械钻速之间的相关性大小，然后利用CART算法对钻井工程参数进行回归计算，得到机械钻速影响因素的权重模型，从而更好地对机械钻速进行预测和优化。

一种基于CART算法的油气钻井机械钻速预测与优化方法，依次包括以下步骤：