基于数据驱动的钻头处岩石类型识别模型
机器学习
2019-03-26 v3 机器学习
摘要
定向油井钻井要求在生产区域内井眼定位的高精度。然而，由于工程设计的特殊性，明确确定所钻岩石类型的传感器位于距钻头 15 米以外。因此，目标区域的偏离只能在该距离之后被检测到，这反过来导致油井产能损失以及需要进行昂贵重钻作业的风险。我们提出了一种基于机器学习分类方法和传感器读数数据挖掘的钻头处岩石类型识别新方法。我们比较了多种机器学习算法，考察了来自钻井力学数学建模的额外特征，并表明实时岩石类型分类误差可从 13.5% 降低到 9%。该方法适用于复杂形状的相对薄目标区间的精确定向钻井，并能适当地推广到与用于训练机器学习模型的井不同的新井。
引用
@article{arxiv.1806.03218,
title = {Data-driven model for the identification of the rock type at a drilling bit},
author = {Nikita Klyuchnikov and Alexey Zaytsev and Arseniy Gruzdev and Georgiy Ovchinnikov and Ksenia Antipova and Leyla Ismailova and Ekaterina Muravleva and Evgeny Burnaev and Artyom Semenikhin and Alexey Cherepanov and Vitaliy Koryabkin and Igor Simon and Alexey Tsurgan and Fedor Krasnov and Dmitry Koroteev},
journal= {arXiv preprint arXiv:1806.03218},
year = {2019}
}