基于实时数据驱动的定向钻井中岩石类型变更检测
机器学习
2020-12-02 v2 机器学习
摘要
在定向钻井过程中，由于钻头与高保真岩石类型传感器之间存在约 20m 的间隙，钻头有时会进入非生产性地层。及时检测岩性变化的唯一方法是使用随钻测量（MWD）数据。然而，目前尚无既能基于 MWD 数据良好重建岩石类型又符合油气行业特点的通用数学建模方法。本文提出一种利用 MWD 数据进行岩石类型快速变更检测的数据驱动流程。我们提出的方法将基于岩石类型分类问题求解的传统机器学习与油气行业此前极少使用的变更检测流程相结合。数据来自西西伯利亚北部一处新开发的油田。结果表明，我们可以检测到大部分岩石类型变化，将变更检测延迟从 米降至 米，并将每井误报次数从 次降至 次。
引用
@article{arxiv.1903.11436,
title = {Real-time data-driven detection of the rock type alteration during a directional drilling},
author = {Evgenya Romanenkova and Alexey Zaytsev and Nikita Klyuchnikov and Arseniy Gruzdev and Ksenia Antipova and Leyla Ismailova and Evgeny Burnaev and Artyom Semenikhin and Vitaliy Koryabkin and Igor Simon and Dmitry Koroteev},
journal= {arXiv preprint arXiv:1903.11436},
year = {2020}
}