本文關(guān)鍵詞：井漏智能識別及處理決策研究　出處：《西南石油大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 井漏 實時識別 界標模型 案例推理 決策分析

【摘要】：井漏事故是鉆井作業(yè)過程中常見的風(fēng)險之一,因其多發(fā)性和危害嚴重性的特點,一直是石油領(lǐng)域研究的熱點。但是目前國內(nèi)外對井漏事故的識別往往是根據(jù)錄井過程中錄井參數(shù)總池體積和流量差的變化來判別井漏是否發(fā)生及嚴重程度,受限于泥漿池面過大,通常只有當異常體積達到2.2m~3時才會識別出井漏,識別的準確性很大程度上依賴儀器的精度,也增加了現(xiàn)場工程師的工作量;同時錄井過程遲到時間和置換性漏失的存在也會影響到井漏識別的實時性和準確性。對井漏事故的處理往往也是依靠現(xiàn)場專家的經(jīng)驗,主觀性較強,造成了以往井漏處理案例的損失。為此,本文在分析現(xiàn)有井漏實時識別和處理決策方法不足的基礎(chǔ)上,提出了采用人工智能分析方法,通過構(gòu)建數(shù)學(xué)模型來實現(xiàn)井漏的實時識別與處理決策。通過構(gòu)建井漏故障樹分析了井漏事故發(fā)生的根本原因及影響因素,利用現(xiàn)場采集到的綜合錄井數(shù)據(jù)本文總結(jié)了井漏發(fā)生之前征兆參數(shù)的變化及井漏發(fā)生時表征參數(shù)的變化規(guī)律。將井漏識別分為兩個過程:第一個階段為基于井漏機理和現(xiàn)場收集到的數(shù)據(jù)確定井漏識別的參數(shù);第二個階段根據(jù)設(shè)定的井漏表征參數(shù)進行井漏漏失類型及嚴重程度的判別分析。將智能決策分為兩個過程:第一個階段根據(jù)設(shè)定的檢索模型檢索出相對應(yīng)的井漏事故;第二個階段依據(jù)所建立的決策模型確定最優(yōu)的決策處理方案。不同的井漏類型在錄井過程中對應(yīng)不同的錄井特征曲線,本文以曲線形態(tài)作為井漏識別的出發(fā)點構(gòu)建了井漏實時識別模型。鑒于界標模型在判別兩條曲線相似性的優(yōu)越性,本文將界標模型應(yīng)用到錄井曲線的相似性判別上,構(gòu)建了井漏類別標準曲線,在曲線相似性判別的基礎(chǔ)上實現(xiàn)井漏事故的實時識別并為隨后的井漏處理決策提供決策依據(jù)�；谝�(guī)則推理的傳統(tǒng)智能決策方法,雖然知識表示形式簡單、直觀,但是當問題的規(guī)模和復(fù)雜度增加的時候,規(guī)則的一致性則難以檢驗和保證、推理效率低下和不符合人類認知規(guī)律的缺點將暴露出來�；诎咐耐评硎且环N基于記憶、利用以往求解類似問題的實例或經(jīng)驗來處理當前問題的推理過程,符合鉆井專家決策時的認知過程,實驗表明本文利用案例推理理論可以有效提高復(fù)雜問題的求解效率,適合求解鉆井工程決策問題。在建立的井漏智能識別及處理決策模型的基礎(chǔ)上,采用微軟公司的Visual Studio 2010編程軟件和SQLServer 2008數(shù)據(jù)庫管理平臺開發(fā)了相應(yīng)軟件,通過實驗室仿真分析,結(jié)果表明使用該軟件能夠?qū)崿F(xiàn)井漏實時識別并為堵漏提供決策方法。
[Abstract]:Well leakage accidents is one of the common risks in the process of drilling, because of its multiple and destructive characteristics, has been a hot research field. But the identification of oil at home and abroad on the accident of well leak is often based on logging logging parameters of the total pool volume and flow changes to determine whether well leak the occurrence and severity, confined to the mud pool surface is too large, usually only when the abnormal volume reaches 2.2m~3 will identify well leakage, the recognition accuracy depends largely on the precision of the instrument, also increased the workload of engineers; at the same time the process of logging time and replacement leakage there will also affect the wells in real time and the accuracy of recognition. The treatment of leakage accident of well leak often rely on expert experience, subjectivity, resulting in the loss of well leakage treatment case. Therefore, based on the analysis of the existing Well leakage real-time identification and treatment decision method, proposed the use of artificial intelligence analysis, real-time identification and treatment decision by building a mathematical model to realize the well leak. By constructing well leakage fault tree analysis of well leakage accident reason and influence factors, and summarizes the change of wells wells leakage occurs before the sign parameters by using the integrated logging data we collected at the scene of the leakage occurs. The parameters of well leakage recognition process is divided into two parts: the first stage is well leak mechanism and field data collected to determine the well leak recognition based on parameters; second stages according to the discriminant analysis set well leakage characterization parameters of well leakage leakage types and severity. The intelligent decision process is divided into two parts: the first stage according to the retrieval model to retrieve the corresponding well leakage accidents; second stages Decision of optimum scheme decision model based on the different types of wells. The corresponding logging curve of different leakage in logging process, based on the curve as the starting point for building well leak recognition wells leakage real-time recognition model. In view of the superiority of the landmark model is similar in distinguishing the two curves, this paper will a model used to judge the similarity of the logging curve, build well leakage category standard curve in real time curve similar recognition based on the identification of implementation of well leakage accidents and subsequent wells provide decision basis for decision-making. The traditional leakage intelligent decision method based on rule reasoning, although knowledge representation form is simple and intuitive. But when the scale and complexity of the problem increases, consistent rules are difficult to verify, reasoning efficiency and does not comply with the laws of cognitive disadvantages will be exposed . case based reasoning is a memory based reasoning process to deal with the current problems of solving the similar problems by previous example or experience, in line with the cognitive process of drilling expert decision-making, experiments show that the use of case-based reasoning theory can effectively improve the efficiency of solving complex ask questions, suitable for solving engineering problems. The basic decision of drilling leakage intelligent recognition and treatment decision model established in the wells, the Microsoft Corp Visual Studio 2010 software and SQLServer 2008 database management platform for the development of the corresponding software, through laboratory simulation and analysis results show that the use of this software can realize the real-time identification of well leakage and provide decision method for plugging.

【學(xué)位授予單位】：西南石油大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TE28

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 Catalin Ivan ,李雙占,雷明平,單明敬,楊朝輝;處理井漏問題的新方法[J];國外油田工程;2003年09期

2 林輝;;對嚴重復(fù)雜井漏處理及預(yù)防的探討[J];內(nèi)蒙古石油化工;2011年04期

3 周坤毅;;油井漏油的新發(fā)現(xiàn)[J];飛碟探索;2011年04期

4 鄭有成,李向碧,鄧傳光,馬光長;川東北地區(qū)惡性井漏處理技術(shù)探索[J];天然氣工業(yè);2003年06期

5 姚聲賢,任興國;東安1井井漏的啟示[J];天然氣工業(yè);2004年01期

6 James R Bruton ,崔雪花,陳義鈞,紀常杰;井漏控制:減少井下泥漿漏失的技術(shù)和策略[J];國外油田工程;2004年05期

7 王維斌,馬廷虎,鄧團;川東宣漢—開江地區(qū)惡性井漏特征及地質(zhì)因素[J];天然氣工業(yè);2005年02期

8 王希勇;熊繼有;鐘水清;柳世杰;蘭祥華;;川東北井漏現(xiàn)狀及井漏處理對策研究[J];鉆采工藝;2007年02期

9 徐一龍;石曉兵;周建平;;防止復(fù)雜構(gòu)造地層井漏復(fù)發(fā)的工程參數(shù)分析[J];西部探礦工程;2008年04期

10 劉偉;雷萬能;;井漏的成因及處理[J];中國西部科技;2008年08期

中國重要報紙全文數(shù)據(jù)庫 前10條

1 馬獻珍邋祁永勤;土洋結(jié)合制伏井漏頑癥[N];中國石化報;2008年

2 新華社記者　張景勇、黃豁、張琴;開縣,會不會“原地”再來第三回？[N];新華每日電訊;2006年

3 本報通訊員 崔建平;為了土耳其30對水平對接井[N];地質(zhì)勘查導(dǎo)報;2007年

4 記者 陳鈞;市委市政府表彰開縣井漏搶險救災(zāi)先進[N];重慶日報;2006年

5 陳城;井漏深處七晝夜[N];人民公安報·消防周刊;2006年

6 新華視點記者　張景勇 張立 黃林;開縣井漏：群眾撤離,干部進村喂豬喂雞[N];新華每日電訊;2006年

7 張景勇 劉曉午 岳戰(zhàn)野;開縣殤[N];中國安全生產(chǎn)報;2006年

8 本報記者　 胡航宇 通訊員　 廖代艮 倪章程;讓轉(zhuǎn)移群眾感受家的溫暖[N];中國教育報;2006年

9 聞?wù)?開縣發(fā)生井漏　周邊群眾無恙[N];人民日報海外版;2006年

10 岳戰(zhàn)野 張衍閣;中石油開縣劫[N];經(jīng)濟觀察報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 胥永杰;高陡復(fù)雜構(gòu)造地應(yīng)力提取方法與井漏機理研究[D];西南石油學(xué)院;2005年

2 呂開河;鉆井工程中井漏預(yù)防與堵漏技術(shù)研究與應(yīng)用[D];中國石油大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張昕;新型流量差井涌井漏預(yù)報系統(tǒng)的研究與設(shè)計[D];西南石油大學(xué);2012年

2 彭浩;裂縫性地層井漏分析與堵漏決策優(yōu)化研究[D];西南石油大學(xué);2016年

3 蒲軍宏;川東北地區(qū)綜合治理井漏技術(shù)研究[D];西南石油大學(xué);2015年

4 張學(xué)洪;基于案例推理的井漏復(fù)雜事故分析方法研究[D];西南石油大學(xué);2016年

5 王海彪;井漏智能識別及處理決策研究[D];西南石油大學(xué);2017年

6 馮旭東;哈薩克斯坦北布扎奇油田井漏控制技術(shù)研究[D];大慶石油學(xué)院;2008年

7 蔡汶君;基于神經(jīng)網(wǎng)絡(luò)融合技術(shù)的鉆井井漏診斷模型研究[D];西南石油大學(xué);2014年

8 賀超;基于頻譜分析的井漏檢測技術(shù)研究[D];長江大學(xué);2014年

9 胡莎莎;壓力衰竭地層井漏預(yù)測技術(shù)研究[D];中國石油大學(xué)（華東）;2013年

10 杜學(xué);大安地區(qū)異常壓力地層安全鉆井技術(shù)研究[D];大慶石油學(xué)院;2009年

，

本文編號：1392386