東海深部地層中部分井PDC鉆頭與地層性質(zhì)匹配性不足,導(dǎo)致機(jī)械鉆速低、鉆頭磨損嚴(yán)重等問(wèn)題發(fā)生。以室內(nèi)巖心微鉆實(shí)驗(yàn)數(shù)據(jù)為依據(jù),首先建立了測(cè)井參數(shù)預(yù)測(cè)巖石可鉆性的非線性多元回歸模型,同時(shí)利用多種人工神經(jīng)網(wǎng)絡(luò)方法對(duì)巖石可鉆性進(jìn)行了預(yù)測(cè),結(jié)果表明非線性多元回歸模型預(yù)測(cè)巖石可鉆性與常規(guī)BP神經(jīng)網(wǎng)絡(luò)、級(jí)聯(lián)BP神經(jīng)網(wǎng)絡(luò)、徑向基RBF神經(jīng)網(wǎng)絡(luò)、BP-RBF雙級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果均具有較高可信度,但BP-RBF雙級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)效果最好,更適合于東海深部地層巖石可鉆性預(yù)測(cè)。本文研究結(jié)果可為東海深部地層巖石可鉆性預(yù)測(cè)及鉆頭選型提供借鑒。 

【文章來(lái)源】：中國(guó)海上油氣. 2020,32(02)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖１＿常規(guī)ＢＰ神經(jīng)網(wǎng)絡(luò)巖石可鉆性模型示意圖??Ｆｉｇ．?１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｒｏｃｋ?ｄｒｉｌｌａｂｉｌｉｔｙ?ｇｒａｄｅ?ｖａｌｕｅ??

?４?４９１．?９８??４．?６１??４．?６６??０．?９８??４．?６５??０．?８３??１４＃??４?６０９．?０９??４．?０９??４．?１５??１．?４４??４．?１０??０．?１８??４?６１１．?５０??４．?１８??４．?００??４．?４０??４．?１９??０．?２２??平均相對(duì)誤差??５．?１４??２．?５２??２．?２級(jí)聯(lián)ＢＰ神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)可鉆性??為了提高神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的穩(wěn)定性，考慮在輸人??■與輸出層之間增加連接權(quán)值。級(jí)聯(lián)ＢＰ神經(jīng)網(wǎng)絡(luò)??模型姐圏２所示，??圖２級(jí)聯(lián)ＢＰ神經(jīng)網(wǎng)絡(luò)巖石可鉆性預(yù)測(cè)模型示意圖??Ｆｉｇ．?２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｒｏｃｋ?ｄｒｉｌｌａｂｉｌｉｔｙ?ｇｒａｄｅ?ｖａｌｕｅ??ｂａｓｅｄ?ｏｎ?ｃａｓｃａｄｅ?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??采用級(jí)聯(lián)ＢＰ神經(jīng)調(diào)絡(luò)程序?qū)Ρ恚睒颖緮?shù)據(jù)進(jìn)??行學(xué)習(xí)，方法同上述常規(guī)ＢＰ神經(jīng)網(wǎng)絡(luò)建立方法，建??立一萬(wàn)個(gè)級(jí)聯(lián)ＢＰ神經(jīng)網(wǎng)絡(luò)并優(yōu)眩最終優(yōu)選的級(jí)??聯(lián)ＢＰ神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型見表４。??利用多元隨狗模型和級(jí)聯(lián)ＢＰ神經(jīng)網(wǎng)絡(luò)分別對(duì)??費(fèi)石可鉆性進(jìn)行了興｜３襝驗(yàn)，其預(yù)測(cè)結(jié)果見表：５。??預(yù)測(cè)的可鉆性級(jí)值與實(shí)＃值之間相關(guān)系數(shù)ｉ？?＝?Ｑ．?９８１??８，平均相對(duì)誤差為２．?５３％，與常規(guī)ＢＰ神經(jīng)網(wǎng)絡(luò)接??近，但相比常規(guī)ＢＰ神盈網(wǎng)絡(luò)，標(biāo)準(zhǔn)誤差＝?０．１３６??７＜０．?１６４３，最大相對(duì)誤差不超過(guò)１０％，，殘差平方和??ｍ６７￥＜￡Ｋ?６７４?６５穩(wěn)定性相比常規(guī)ＢＰ神蓋網(wǎng)??續(xù)有一■隹握升ａ??２．?３徑向基ＲＢＦ神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)可鉆性??盡管在神經(jīng)網(wǎng)絡(luò)的實(shí)豚應(yīng)用中，ＢＰ神經(jīng)柯絡(luò)占??多數(shù)ｙ但其也有難以克服的局

第３２卷第２期??李乾等：東海深部地層巖石可鉆性預(yù)測(cè)方法研究??１３１??輸出層??輸入層??筆者采用廣義徑向基神經(jīng)網(wǎng)絡(luò)對(duì)表１數(shù)據(jù)進(jìn)行??學(xué)習(xí)，設(shè)置誤差容限為０．０１，擴(kuò)散因子５，最大神經(jīng)??元個(gè)數(shù)２６。構(gòu)建的徑向基神經(jīng)網(wǎng)絡(luò)模型如圖３所??示。建立的數(shù)學(xué)模型見表６。??圖３徑向基ＲＢＦ神經(jīng)網(wǎng)絡(luò)巖石可鉆性預(yù)測(cè)模型示意圖??Ｆｉｇ．?３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｒｏｃｋ?ｄｒｉｌｌａｂｉｌｉｔｙ?ｇｒａｄｅ?ｖａｌｕｅ??ｂａｓｅｄ?ｏｎ?ｒａｄｉａｌ?ｂａｓｉｓ?ｆｕｎｃｔｉｏｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??表６徑向基神經(jīng)網(wǎng)絡(luò)巖石可鉆性預(yù)測(cè)模型數(shù)據(jù)??Ｔａｂｌｅ?６?Ｄａｔａ?ｏｆ?ｒｏｃｋ?ｄｒｉｌｌ?ａｂｉｌｉｔｙ?ｇｒａｄｅ?ｖａｌｕｅ?ｐｒｅｄｉｃｔｉｏｎ??ｍｏｄｅｌ?ｂａｓｅｄ?ｏｎ?ＲＢＦ?ｒａｄｉａｌ?ｂａｓｉｓ?ｆｕｎｃｔｉｏｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??原始數(shù)據(jù)??連接權(quán)重｛２，１｝??聲波時(shí)差／??密度／??（ｇ＊ｃｍ－３）??電阻率／??（０＊ｍ）??神經(jīng)元??節(jié)點(diǎn)??巖石可??鉆性級(jí)值??７９．?７５??２．?２５??１５．?６１??１??＿?５３．?２６６?４??６７．?３６??２．?５３??４０．?１４??２??－２．?２１９?１??６５．?３６??２．?５０??３２．?２２??３??３．?１１２?８??６３．?８５??２．?５３??２４．?９９??４??－１．?９４２?４??６５．?０３??２．?５２??１８．?２４??５??１．?４５７?９??６６．?２２??２．?５５??２６．?３２??６??５．?２２７?２??６５．?４３??


本文編號(hào)：2976545