【摘要】：傳統(tǒng)鉆井動態(tài)風險評估嚴重依賴于專家主觀判斷、結(jié)果大多是定性或半定量,無法滿足深井復(fù)雜地層鉆井安全需求。針對該問題,研究建立了基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的鉆井動態(tài)風險評估方法。通過對錄井資料的監(jiān)測分析,實時判斷井下風險發(fā)生的類型并定量計算風險發(fā)生概率,可以在風險發(fā)生的早期給出預(yù)警信息,及時指導(dǎo)風險調(diào)控措施的開展。海上BD氣田的實例分析表明,基于構(gòu)建的動態(tài)風險評估模型得到的風險預(yù)測結(jié)果與實際風險發(fā)生情況相符合,說明建立的模型是合理可行的。該模型對于鉆井作業(yè)過程中動態(tài)風險評估具有一定的參考價值。
[Abstract]:The traditional drilling dynamic risk assessment relies heavily on the subjective judgment of experts, and the results are mostly qualitative or semi-quantitative, which can not meet the safety requirements of deep well complex formation drilling. Aiming at this problem, a drilling dynamic risk assessment method based on PSO optimization BP neural network is developed. Through monitoring and analyzing the logging data, the types of downhole risk can be judged in real time and the probability of risk occurrence can be calculated quantitatively. The early warning information can be given in the early stage of risk occurrence, and the risk control measures can be guided in time. The case study of offshore BD gas field shows that the result of risk prediction based on the constructed dynamic risk assessment model is in agreement with the actual risk occurrence, which shows that the established model is reasonable and feasible. The model has certain reference value for dynamic risk assessment during drilling operation.
【作者單位】： 中國石油大學(華東)石油工程學院;
【基金】：國家自然基金項目(51574275) 長江學者和創(chuàng)新團隊發(fā)展計劃項目(IRT_14R58)
【分類號】：TE28

【相似文獻】

相關(guān)期刊論文 前10條

1 吳新杰,孫定源,閆光輝;基于神經(jīng)網(wǎng)絡(luò)處理油井液面深度的方法[J];遼寧大學學報(自然科學版);2000年01期

2 段善寧,汪玉春;神經(jīng)網(wǎng)絡(luò)技術(shù)在儲運工程中的應(yīng)用綜述[J];天然氣與石油;2004年04期

3 孫輝;;神經(jīng)網(wǎng)絡(luò)技術(shù)在油田防砂中的應(yīng)用及發(fā)展方向分析[J];中外能源;2007年03期

4 賀康;龐海榮;代粉蕾;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機液壓系統(tǒng)故障診斷中的應(yīng)用[J];煤礦機械;2011年04期

5 孫玉學;謝建波;趙景原;歷艷明;王嬌;;應(yīng)用量子神經(jīng)網(wǎng)絡(luò)快速預(yù)測儲層敏感性[J];鉆采工藝;2012年05期

6 魏海平，夏吾勇;基于神經(jīng)網(wǎng)絡(luò)的離線調(diào)優(yōu)控制的研究[J];撫順石油學院學報;1997年01期

7 施云惠,阮秋琦;基于再生核神經(jīng)網(wǎng)絡(luò)的斷層面模型重構(gòu)[J];中國圖象圖形學報;2005年06期

8 胡永建;閆博;魯文俊;何媛媛;;神經(jīng)網(wǎng)絡(luò)自動訓練及井下復(fù)雜情況診斷[J];計算機應(yīng)用;2011年S1期

9 余建星,祁世芳;基于神經(jīng)網(wǎng)絡(luò)的長輸管道綜合可靠度評估方法[J];油氣儲運;2001年09期

10 印興耀，吳國忱，張洪宙;神經(jīng)網(wǎng)絡(luò)在儲層橫向預(yù)測中的應(yīng)用[J];石油大學學報(自然科學版);1994年05期

相關(guān)會議論文 前3條

1 劉喜梅;于飛;;潤滑油脫蠟過程的神經(jīng)網(wǎng)絡(luò)方法建模及仿真[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文集[C];1999年

2 孫效功;王碩儒;;函數(shù)型連接神經(jīng)網(wǎng)絡(luò)的一種改進算法及其應(yīng)用[A];1993年中國地球物理學會第九屆學術(shù)年會論文集[C];1993年

3 詹治田;E．B．Karus;劉淑妹;;神經(jīng)網(wǎng)絡(luò)在多井插值中的應(yīng)用[A];1995年中國地球物理學會第十一屆學術(shù)年會論文集[C];1995年

相關(guān)博士學位論文 前3條

1 肖紅;離散過程神經(jīng)網(wǎng)絡(luò)算法及在儲層識R%中的應(yīng)用研究[D];東北石油大學;2015年

2 張濤;用人工神經(jīng)網(wǎng)絡(luò)研究元素與巖漿巖、沉積巖巖性及沉積巖礦物的關(guān)系[D];西北大學;2016年

3 王瓊;基于優(yōu)化理論的神經(jīng)網(wǎng)絡(luò)研究及在抽油機故障診斷中的應(yīng)用[D];東北石油大學;2011年

相關(guān)碩士學位論文 前10條

1 趙丹;混沌遺傳算法的神經(jīng)網(wǎng)絡(luò)在輸油管道泄漏中的應(yīng)用[D];東北石油大學;2015年

2 張莉;基于粗糙集與神經(jīng)網(wǎng)絡(luò)的天然氣管道泄漏檢測[D];東北石油大學;2015年

3 周坤;管道智能檢測裝置里程系統(tǒng)的研究與設(shè)計[D];東北大學;2014年

4 王思宇;基于EMD和BP神經(jīng)網(wǎng)絡(luò)的天然氣管道泄漏監(jiān)測[D];東北石油大學;2016年

5 龍盼;基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的油田回注水余氯預(yù)測模型研究[D];武漢科技大學;2016年

6 趙月嬌;基于生物地理優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D];東北石油大學;2013年

7 周志光;神經(jīng)網(wǎng)絡(luò)技術(shù)在油田分析中的應(yīng)用研究[D];吉林大學;2007年

8 李桂山;基于靜態(tài)電成像的砂礫巖儲層巖性識別研究[D];中國石油大學;2011年

9 李松松;神經(jīng)網(wǎng)絡(luò)在管道漏磁信號分析中的應(yīng)用[D];沈陽工業(yè)大學;2003年

10 張晗;基于神經(jīng)網(wǎng)絡(luò)的錄井導(dǎo)向?qū)＜蚁到y(tǒng)研究[D];大連海事大學;2009年

，

本文編號：2361923