基于集成学习的井漏智能预警模型及智能推理方法

摘要

水平井优快钻井技术加快了长庆油田致密油气大规模开发速度,但由于部分区域地层孔隙和微裂缝发育,承压能力低,极易发生井漏风险,严重制约了水平井提速提效。为进一步降低井漏风险,提高漏失预警的时效性和准确率,提出了一种因果关系约束下的井漏智能预警及漏失原因推理方法。基于漏失产生机理,分析了漏失风险的表征参数及其变化规律,将其作为输入参数约束条件,利用工况识别模型和特征变化规律准确定位井漏时间,基于BP神经网络和LSTM长短时记忆网络建立漏失风险预警模型,利用因果推断算法解释模型预警原因,结合风险机理实现警报约束。研究结果表明,LSTM集成网络井漏预警准确率达95.6%,基于集成学习的智能推理方法能够准确解释预警发生原因,对钻井现场及时采取井漏防范措施,保障水平井优快钻井具有重要意义。