您当前位置:博亚体育app入口官网下载 > 手赚资讯 >
来源:博亚体育app入口官网下载
2022-08-29 10:25 浏览: 分类:手赚资讯

人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议

博亚体育app入口官网下载石油钻采工艺 Oil Drilling & Production Technology ISSN 1000-7393,CN 13-1072/TE《石油钻采工艺》网络首发论文 题目: 人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议 作者: 王敏生,光新军,耿黎东 网络首发日期: 2021-09-02 引用格式: 王敏生,光新军,耿黎东.人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议.石油钻采工艺. 网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。

为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,只可基于编辑规范进行少量文字的修改。 出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出版广电总局批准的网络连续型出版物(ISSN 2096-4188,CN 11-6037/Z),所以签约期刊的网络版上网络首发论文视为正式出版。人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议 王敏生 光新军 耿黎东 中国石化石油工程技术研究院,北京 100101 摘要:人工智能技术是油气勘探开发降本增效的有效手段,也是实现关键技术升级换代,提高竞争力的有效途径。介绍了人工智能技术在钻井工程中的发展阶段和应用优势,在调研国内外人工智能技术在钻井工程中的应用基础上,分析其在钻井优化设计、钻井参数优化、钻井井眼轨迹控制、井筒完整性监控、风险预警和钻井程序决策等方面的应用进展,指出现场应用的关键技术,包括钻井数据的实时共享、人工智能内在逻辑规律的解释、人工智能算法的优选和云计算与边缘计算的协同发展等。

人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议

博亚体育app入口官网下载最后,分析了国内外主要油气公司人工智能技术研发布局和水平,结合油气勘探开发降本增效需求,提出钻井人工智能技术发展思路和研发重点,为我国利用人工智能技术实现钻井提速提效提供借鉴和研发思路。 关键词:人工智能;钻井设计;参数优化;轨迹控制;风险预警 Application status and development suggestions of artificial intelligence in drilling engineering WANG Minsheng GUANG Xinjun GENG Lidong Sinopec Research Institute of Petroleum Engineering, Beijing 100101, China Abstract: Artificial intelligence technology is an effective means to reduce cost and increase efficiency in oil and gas exploration and development, and is also an effective way to upgrade key technologies and improve competitiveness. This paper introduces the development stage and application advantages of artificial intelligence technology in drilling engineering, researches application status of artificial intelligence technology in drilling engineering at home and abroad, and analyzes the application progress in drilling optimization design, drilling parameters optimization, drilling trajectory control, wellbore integrity monitoring, risk warning and drilling program decision-making. The key technologies applied in drilling engineering are pointed out, including real time sharing of drilling data, interpretation of internal logic rules of artificial intelligence, optimization of artificial intelligence algorithm and collaborative development of cloud computing and edge computing. Finally, analyzes the R&D layout and level of artificial intelligence technology of major oil and gas companies, combined with the demand of cost reduction and increase efficiency in oil and gas exploration and development. The research results can provide reference and research ideas for using artificial intelligence technology to realize drilling speed and efficiency improvement. Key Words: Artificial intelligence; Well plan; Drilling parameters optimization; Well trajectory control; Risk detection 人工智能作为新一轮产业变革和科技革命的新引擎和核心驱动力石油钻采工艺 从录用到发表 需要多长时间,已经成为引领未来发展的战略性新兴技术,正在对各行业产生深刻影响。

人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议

人工智能技术是油气勘探开发降本增效的有效手段,也是实现关键技术升级换代,提高竞争力的有效途径 [1-3] 。近年来,国外尝试将人工智能应用于钻井工程领域,开展了基于人工智能的钻井设计、钻井参数优化、井眼轨迹控制、风险预警、钻井程序决策等探索研究,部分技术实现了现场应用,显示了较好的应用前景。国内在将人工智能应用于钻井机械钻速预测、漏失风险预测、随钻地质导向智能决策等方面进行了有益探索 [4-10] 。为了给我国利用人工智能技术实现钻井提速提效提供借鉴和研发思路,笔者对人工智能及其在钻井工程中的应用特点、应用进展和应用关键进行了分析,提出了攻关思路和研发重点。 1 人工智能在钻井工程中的发展阶段及特点 1.1 人工智能在钻井工程中的发展阶段 人工智能是通过提高机器的计算力、感知力、认知力、推理能力等智能水平,使其具有判断、推理、证明、识别、感知、理解、沟通、规划和学习等思维活动石油钻采工艺 从录用到发表 需要多长时间,让机器能够自主判断和决策,完成原本要靠人类智能才能完成的工作 [11] 。按照应用程度,人工智能可以分为弱人工智能、强人工智能和超人工智能3 个阶段。弱人工智能专注于且只能解决特定领域问题的人工智能,如图像识别、语音识别、语义分析、智能搜索等;强人工智能能够和人类一样对世界进行感知和交互,通过自我学习的方式对所有领域进行记忆、推理和解决问题,如无人驾驶、无人机、智能机器人等;超强人工智能在所有领域全方位超越人类大脑的思维能力,能力和运用范围仍在一个无法预估的范畴。

博亚体育app入口官网下载人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议

目前,钻井工程领域的人工智能研究属于弱人工智能范畴,即通过人工智能算法将一些不确定的数据输入来进行不确定性的决策,实现自我学习和演变。人工智能使用较为广泛的算法包括人工神经网络、模糊逻辑、遗传算法、支持向量机、案例推理和混合算法等。 1.2 人工智能在钻井工程中的应用特点 与传统建模或数据分析方法相比,人工智能技术在钻井工程中应用主要具有以下优势:(1)能够在输入和输出变量之间无关系假设的情况下,对复杂的非线性过程进行建模;(2)计算结果比使用线基金项目: :中国石油化工股份有限公司科技项目“钻完井人工智能技术现状及中石化战略对策”(编号:P19002)及“国内外石油工程技术装备发展趋势与发展战略研究”(编号:P19029-5)。 作者简介:王敏生(1973-),1995 年毕业于江汉石油学院钻井工程专业,2009 年获中国石油大学(华东) 油气井工程专业博士学位,教授级高级工程师,主要从事钻井工艺及石油工程战略规划方面的研究。通讯地址:(1000101)北京市昌平区沙河镇百沙路 5 号中石化科学技术研究中心主楼。E-mail:wangms.sripe@sinopec.com 网络首发时间:2021-09-02 09:15:03网络首发地址:性或非线性多元回归预测模型和经验模型更加准确;(3)能够通过分析大量数据,在不明确规则的情况下通过进行最终目标模型训练选取特征,具有自动学习特征的能力,并可以利用不完整或有噪声的数据;(4)成本效益较好,使用数据集进行系统训练,而不必编写程序,因此更具成本效益,也更易于应对变化;(5)降低了对算力的要求,以深度学习算法为例,通过采用多层调参、层层收敛的方式,保证参数的数量始终处于合理范围内,提高了模型的可计算性。

人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议

博亚体育app入口官网下载 与其他工具一样,人工智能技术也有自身的局限性。如人工神经网络仅根据数据集训练反映输出和输入变量之间的关系石油钻采工艺 从录用到发表 需要多长时间,这使人们担忧其是否能较好地表征数据集。有人提出将多个算法组合成混合算法方案,或将人工智能算法与传统模型进行集成来解决黑盒子问题;使用遗传算法很难像使用数学编程方法那样真正发现问题和解决问题,为了深入发现问题,可能需要多次运行模型,评估解决方案对问题的各种假设和参数的敏感性,缺乏达到“最优”解决方案的能力。其他局限还包括处理时间较长、系统需要更大的计算资源并且有时会产生过度拟合等 [12-13] 。 2 人工智能在钻井工程中的应用 在数据采集、传输技术发展的协同下,人工智能技术在钻井设计、钻井参数优化、钻井井眼轨迹控制、井筒完整性监控、风险预警、程序决策等方面正在发挥积极作用,部分技术已经实现现场应用并取得良好效果。 2.1 钻井优化设计 钻井的优化设计是保证安全、高效和低成本的钻井作业的基础,人工智能技术可用于井眼轨道优化、钻头优选、地层破裂压力和漏失压力预测、套管下深优化、水泥浆性能预测等,可以提高钻井设计的准确性和可靠性。国民油井公司采用人工神经网络对钻头选择数据库的数据进行训练,数据库中包括钻头编码、岩石强度数据、地质力学、地层压实特征和对应于岩石的常规机械钻速值等信息,输入地理位置、地质特征、岩石力学数据后,即可输出选择的钻头类型、效果预测及使用指南。

人工智博亚体育app入口官网下载能在钻井工程中的应用现状与发展建议

科威特大学采用广义回归神经网络,输入深度、上覆地层压力梯度和泊松比等参数,即可预测破裂压力,精度在 1%以内,比传统方法(Eaton 等方法)精确度更高 [14] 。卡尔加里大学采用反向传播神经网络石油钻采工艺 从录用到发表 需要多长时间,输入地理位置、深度、孔隙压力、套管腐蚀速率、套管强度等参数,预测套管失效的深度和概率,但该方法仍然需要进一步开展关键数据的提取,提高其预测结果的准确性 [15] 。斯伦贝谢采用人工神经网络(ANN),根据水泥的漫反射红外傅里叶变换光谱、粒度分布等来预测水泥浆性能 [16] 。 2.2 钻井参数优化 钻井过程参数的优化主要通过对井下机械钻速、井底钻具组合响应特性、钻柱振动、钻头性能、钻遇地层特性等参数的监测,来降低钻井作业的不确定性石油钻采工艺 从录用到发表 需要多长时间,并提高预测的置信度。 钻井过程中经常会遇到不同的地质条件,如岩性的变化、地层压力的变化等,实时了解钻头周围岩石的物理及力学性质对于优化钻井参数非常重要。尽管随钻测井可以提供这些信息,但其传递到地面的信息与钻头实际性能之间存在深度滞后。奥克拉荷马大学以机器学习工作流程中的钻头与钻柱性能数据为基础,来预测随钻钻头处的岩性。工作流程如下:首先利用盒形图和交叉图对裸眼测井资料进行分析,并生成相关系数表,剔除异常值,并准备数据聚类。

第 2 步对测井数据进行主成分分析,去除相关变量,用不相关主成分代替相关变量,利用 K-均值、SOM 和层次聚类 3 种聚类技术对岩性变化进行分离。第3 步通过观察 3 个岩群的测井数据和岩心特征,确定这些岩群(或岩相)的岩石物理意义。最后,利用已清理和准备好的 MWD 数据,采用随机森林、梯度增强和神经网络等技术,对不同岩性群进行预测,工作流程如图 1 所示 [17] 。该方法在挪威 Volve 油田现场进行了测试,岩性预测准确性达 75%。 图 1 机器学习预测地层岩性 钻井机械钻速的预测对于优化钻井参数起着至关重要的作用,可用于检查钻井数据,优化钻机械钻速,降低机械比能,提高钻头寿命。基于传统线性统计的方法无法获得理想的钻速预测结果,需要采用非线性方法和先进的集成技术。德克萨斯 A&M 大学采用人工智能算法进行网络机械钻速的预测 [18] ,首先建立包括层间厚度、钻井液密度、钻压、转速、流量、钻进深度等参数的钻速特征集合。绘制不同特征参数随时间的变化值,检查是否有特定参数控制响应。利用不同参数之间的相关性对数据集合中的缺失值进行补全,同时剔除由于测量误差或者卡钻等事故造成的数据误差。

博亚体育app入口官网下载利用主成分分析法对特征数量进行降维,以此来提升模型的预测精度以及降低计算的复杂程度,继续通过特征分析推导出每个特种属性的相对权重和贡献。再选取支持向量回归模型、梯度增强模型、神经网络模型、K 值最近邻模型、随机森林与梯度增强集成模型等 5 种人工智能预测模型,多种模型的训练有助于提高精度和减少误差,最终随机森林算法以 10%的均方差成功预测和优化了钻井参数,钻速预测效果最好。 2.3 钻井井眼轨迹控制 在地质导向和旋转导向施工过程中,需要经验丰富的专业人员做大量的决策,人工判断易出现错误与误差。利用人工智能技术,钻井井眼轨迹导向与控制完全可以离开人的干预,井下信息的测量、传输和控制指令的产生、执行...

手赚资讯
安卓赚钱苹果赚钱
阅读头条转发赚钱