钻井作业中早期卡钻征兆检测的半监督方法

本文提出了一种实时卡钻预测方法。我们假设当钻井数据行为偏离正常钻井作业时，卡钻的早期征兆显现。正常状态的定义随钻柱配置或地质条件而变化。此处采用深度域数据表示以捕捉局部正常行为。基于自编码器和变分自编码器训练的若干模型，使用从实际钻井数据中提取的正常钻井数据进行训练。将训练后的模型应用于卡钻事故前的数据集时，八起事故显示出较大的重构误差。这些结果表明其性能优于先前报道的监督方法。多种模型间的相互比较揭示了我们方法的鲁棒性。模型性能依赖于特征参数，表明实际作业中需要多个模型。