基于大数据的钻头选型方法研究

发布时间：2023-04-16 09:06

　　在石油钻井工程中,钻头是破岩的主要工具,由于钻头和地层不匹配引起钻井效率低、钻头寿命短等问题频发,因此钻头的合理选型对提高钻进速度、降低钻井综合成本起着重要作用。目前,随着钻井监控系统和数据采集技术的发展,钻井过程中能够产生大量与地层和钻头相关的数据,从而给利用大数据技术优化钻头选型方法带来了可能。所以有必要突破传统钻头选型手段,在利用大量数据的基础上,以机器学习为手段建立出一种更加精准的钻头选型方法。通过聚类方法从地层测井数据资料找到地层特性之间相似性关系,并在相似地层中对钻头使用效果进行评价,可以建立地层-钻头使用标准模型,使用该标准模型建立对待钻地层的钻头选型模型。本文基于机器学习算法中无监督和有监督学习方法,利用钻头使用资料和地层测井资料,建立了钻头选型地层聚类模型,并对聚类模型进行超参数优化,最终得到了用于待钻地层的选型模型,并结合钻井数据验证了该方法的合理性和可靠性。(1)数据前处理阶段:通过对地层的测井资料的地层特性解析得到可钻性级值、研磨性系数、非均质型系数三个地层特性参数作为特征,并对特征进行清理、归一化等处理以消除数据中的噪声。(2)地层-钻头使用标准模型建立阶段:...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 钻头使用效果评价法
        1.2.2 岩石力学参数法
        1.2.3 综合法
        1.2.4 大数据在钻头选型方面的运用
    1.3 存在的问题
    1.4 研究思路及内容
第2章 基于大数据的钻头选型原理及方法
    2.1 大数据的概念及应用
    2.2 基于大数据的钻头选型原理
        2.2.1 基于无监督学习的相似地层聚类算法
        2.2.2 基于监督学习的待钻地层分类算法
    2.3 本章总结
第3章 基于无监督学习的钻头—地层选型标准的建立
    3.1 钻头选型方法需求
    3.2 地层特性参数分析
        3.2.1 测井数据与地层岩石可钻性之间的关系
        3.2.2 测井数据与地层岩石碾磨性之间的关系
        3.2.3 测井数据与地层岩石非均质性之间的关系
    3.3 地层数据分层
    3.4 地层特性参数特征工程
        3.4.1 数据清洗
        3.4.2 特征数据标准化
        3.4.3 特征权重
    3.5 算法模型
        3.5.1 K-means算法
        3.5.2 mean-shift算法
        3.5.3 DBSCAN算法
        3.5.4 钻头-地层选型模型综合评判
    3.6 聚类效果的工程意义的验证
    3.7 钻头使用效果评价
    3.8 本章总结
第4章 基于监督学习的钻头选型及其验证
    4.1 待钻地层分类方法
        4.1.1 K邻近法
        4.1.2 中心点距离法
    4.2 模型验证
        4.2.1 模型评估方法
        4.2.2 模型评估
    4.3 钻头选型模型建立
        4.3.1 基于K-NN选型模型建立
        4.3.2 中心点法选型模型建立
    4.4 本章总结
第5章 钻头选型软件开发
    5.1 软件规划与功能
        5.1.1 Python介绍
        5.1.2 软件需求
        5.1.3 软件规划与功能
    5.2 应用示例
    5.3 本章总结
第6章 钻头选型应用验证
    6.1 验证方案
    6.2 验证步骤
        6.2.1 数据选择及综合评价
        6.2.2 推荐步骤及结果
第7章 总结与展望
    7.1 创新点
    7.2 结论
    7.3 展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文及科研成果



本文编号：3791235