基于神经网络的欠平衡钻井井底压力预测方法研究

摘要

欠平衡钻井技术是油田钻井行业上的重要研究课题，尽快掌握和推广欠平衡技术是更好地发现油气藏和保护油气藏的战略措施。 在石油勘探及钻井过程中，对井底压力预测显得十分重要，它可为欠平衡钻井的安全和有效实施提供保证。本文旨在寻求一种利用人工神经网络理论与技术，预测欠平衡钻井井底压力的方法。 论文首先阐述了神经网络的基本理论，包括神经元模型，神经网络的基本结构和神经网络的学习方法；分析了具有函数逼近能力的BP网络和径向基函数(RBF)网络实质、技术实现问题，并研究了BP和RBF网络学习算法。 较详细地论述了欠平衡钻井技术的发展概况，基本概念和井底压力的数学模型。研究了欠平衡钻井数据采集和压力测量方法，为神经网络获取训练样本奠定了基础。在此基础上，建立了欠平衡钻井井底压力的神经网络模型，包括用经验方法确定网络结构，用学习算法调整网络的权值。用C语言编制了神经网络预测软件，并且对欠平衡钻井的井底压力进行了实际预测，结果表明该方法具有较高的预测精度。这为实际应用中使用人工神经网络方法预测欠平衡钻井系统井底压力开辟了一个新途径。

目录

文摘

英文文摘

第一章绪论

第二章人工神经网络理论基础

第三章欠平衡钻井简述

第四章多层前馈神经网络与RBF神经网络

第五章基于神经网络的欠平衡钻井井底压力预测

第六章软件实现及实际预测效果分析

结论

致谢

参考文献