• 论文
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于机器学习的钻井液流变参数智能识别方法
  • 12
  • 作者

    刘长晔杨现禹蔡记华王韧王建龙代凡斐郭万阳蒋国盛冯洋

  • 单位

    中国地质大学(武汉)工程学院中国石油集团工程技术研究院有限公司

  • 摘要
    钻井液流变性是钻井液流动和变形的特性,对于携带与悬浮岩屑、提高钻进速度至关重要,准确掌握钻井液流变参数是保证井眼清洁与高效钻进的前提。提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的钻井液流变参数智能识别方法,通过磁力搅拌产生稳定的钻井液流动图像,利用多种数据增强方法增加图像数量并建立数据库,增强模型的鲁棒性和泛化能力。优化AlexNet卷积神经网络算法,构建钻井液流变参数识别模型。将数据库划分为训练集:验证集:测试集=7:2:1,对训练集进行迭代训练并通过验证集调整参数获得最佳拟合模型。此外,运用混淆矩阵、卷积核可视化技术和类激活技术(Gradientweighted Class Activation Mapping,Grad-CAM)对模型进行多方位评估。结果表明:(1)钻井液流变参数识别模型对钻井液塑性黏度测试的宏精确率为95.2%,宏召回率为94.7%,宏F1值为0.95。(2)对钻井液表观黏度测试的宏精确率为91.6%,宏召回率为91.5%,宏F1值为0.9。(3)利用卷积核可视化技术和Grad-CAM对特征提取进行可视化处理,发现钻井液波纹形状和大小会影响模型流变参数识别准确度。(4)室内测试结果表明,该模型的测试误差为±2mPa·s,在设计允许范围以内,具有较高的预测精确度和稳定性。所提出的钻井液流变参数实时智能识别方法可为安全、快速和准确地进行钻井液流变性测试提供智能化技术思路。
  • 关键词

    钻井液流变参数机器学习卷积神经网络智能识别

  • 相关文章
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联