裸眼井筒多物理场稳定性智能预测与优化：一种协同PINN-DRL方法
地球物理
2025-10-14 v1
摘要
为了解决长期暴露下裸眼井筒多物理场诱发失稳的预测与钻井液参数优化的双重挑战，开发了一个高保真度的耦合控制方程组系统。该系统集成了渗流、水化诱导软化、热扩散和弹塑性响应，以捕捉井筒稳定性演化的非线性动力学。利用COMSOL Multiphysics建立了极坐标系下的二维数值模型，以模拟多岩性和多参数扰动。该过程生成了一个表征冯·米塞斯应力、塑性应变、孔隙压力、温度和含水量演化的高维数据集，并检验了其物理一致性。随后，提出了渗流-热-水-力学物理信息神经网络(STWM-PINN)。该模型嵌入控制方程残差和初始边界约束，在有限观测数据的监督下，实现对井筒时空演化的高精度、物理一致性预测，为参数控制奠定基础。在此基础上，集成了双噪声软演员-评论家(DN-SAC)算法。设计了一个奖励函数，在考虑控制平滑性和物理边界约束的同时最小化失稳概率，从而实现对钻井液参数的连续空间优化。案例研究表明，所提出的方法将失稳起始时间平均延迟了32.33%，最大延迟了53.35%，显著降低了失稳风险。本研究为智能井筒失稳预测与钻井液控制提供了一个具有工程应用潜力的决策支持框架。
引用
@article{arxiv.2510.09638,
title = {Intelligent Prediction and Optimization of Open-Hole Wellbore Multiphysics Stability: A Synergistic PINN-DRL Approach},
author = {Yu Song and Zehua Song and Jin Yang and Kejin Chen and Kun Jiang and Jizhou Tang},
journal= {arXiv preprint arXiv:2510.09638},
year = {2025}
}
备注
29 pages, 22 figures