留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用优化BP神经网络建立裂缝宽度预测模型

何涛 谢显涛 王君 赵洋 苏俊霖

何涛, 谢显涛, 王君, 赵洋, 苏俊霖. 利用优化BP神经网络建立裂缝宽度预测模型[J]. 钻井液与完井液, 2021, 38(2): 201-206. doi: 10.3969/j.issn.1001-5620.2021.02.012
引用本文: 何涛, 谢显涛, 王君, 赵洋, 苏俊霖. 利用优化BP神经网络建立裂缝宽度预测模型[J]. 钻井液与完井液, 2021, 38(2): 201-206. doi: 10.3969/j.issn.1001-5620.2021.02.012
HE Tao, XIE Xiantao, WANG Jun, ZHAO Yang, SU Junlin. Crack Width Prediction Model Based On Optimized BP Neural Network[J]. DRILLING FLUID & COMPLETION FLUID, 2021, 38(2): 201-206. doi: 10.3969/j.issn.1001-5620.2021.02.012
Citation: HE Tao, XIE Xiantao, WANG Jun, ZHAO Yang, SU Junlin. Crack Width Prediction Model Based On Optimized BP Neural Network[J]. DRILLING FLUID & COMPLETION FLUID, 2021, 38(2): 201-206. doi: 10.3969/j.issn.1001-5620.2021.02.012

利用优化BP神经网络建立裂缝宽度预测模型

doi: 10.3969/j.issn.1001-5620.2021.02.012
基金项目: 

川庆钻探-西南石油大学创新联合体科技合作项目“川渝地区钻井防漏堵漏数据挖掘技术研究与应用”(CQXN-2019-06);中国石油-西南石油大学创新联合体科技合作项目(2020CX040201)

详细信息
    作者简介:

    何涛,1979年生,高级工程师,现在从事钻井液技术研究和现场服务工作

  • 中图分类号: TE282

Crack Width Prediction Model Based On Optimized BP Neural Network

  • 摘要: 裂缝性井漏问题严重威胁着钻井生产安全与进度,目前现场堵漏成功率较低,其中一个重要原因就是无法准确预测裂缝宽度,裂缝宽度认知的局限性导致难以确定堵漏的方法及材料颗粒大小。因此本文提出了利用优化BP神经网络方法建立井漏裂缝宽度预测模型,用以解决裂缝宽度预测难的问题。首先根据方差分析(ANOVA)法确定了影响裂缝宽度的相关参数,将其输入优化的BP神经网络模型进行训练,并通过样本数据拟合验证预测精度,最终测试集数据拟合直线的斜率为0.8772,截距为0.0206。另外,为了确认模型稳定性,针对裂缝宽度预测模型进行了性能评估,得出该模型确定系数(R2) 0.89,平均绝对百分比误差(PCC) 0.82,均方根误差(RMSE) 1.35,证明该模型性能优良。最后利用现场工程数据进行进行实例预测,由结果可知,该模型具有较高的预测精度,可以在堵漏工程作业中提供较好的辅助决策。

     

  • [1] 徐鹏. 斜井漏失机理及堵漏效果评价实验[D]. 中国石油大学(华东), 2016. XU Peng. Leakage loss mechanism and evaluation of plugging effect[D]. China University of Petroleum, 2016.
    [2] 何龙, 史堃, 杨健, 等. 裂缝性地层堵漏材料承压性能及材料优选研究[J]. 钻采工艺, 2019, 42(2):42-44.

    HE Long, SHI Wei, YANG Jian, et al. Study on pressure bearing performance and material optimization of fractured formations in fractured strata[J]. Drilling & Production Technology, 2019, 42(2):42-44.
    [3] 陈阳. 天然裂缝有效性影响控制因素浅析[J]. 石油化工应用, 2016, 35(3):57-59.

    CHEN Yang. Analysis on the control factors of the effectiveness of natural cracks[J].Petrochemical Industry Application, 2016, 35(3):57-59.
    [4] 赵洋, 邓明毅, 曾文强, 等.Griffiths天然裂缝宽度预测模型研究与分析[J]. 钻采工艺, 2017, 40(5):102-105.

    ZHAO Yang, DENG Mingyi, ZENG Wenqiang, et al. Research and analysis of Griffiths natural fracture width prediction model[J]. Drilling and Production Technology, 2017, 40(5):102-105.
    [5] 彭浩, 李黔, 尹虎, 等.Lietard天然裂缝宽度预测模型求解新方法[J]. 石油钻探技术, 2016, 44(3):72-76.

    PENG Hao, LI Qian, YIN Hu, et al. A new method for solving lietard natural fracture width prediction model[J]. Petroleum Drilling Technology, 2016, 44(3):72-76.
    [6] 陈曾伟. 基于神经网络算法的井下裂缝诊断与堵漏技术[J]. 钻井液与完井液, 2019, 36(1):20-24.

    CHEN Zengwei. Diagnosis and plugging technology of underground crack based on neural network algorithm[J]. Drilling Fluid & Completion Fluid, 2019, 36(1):20-24.
    [7] 唐惠康, 李翔宇.BP神经网络用于某油田的生产动态分析[J]. 油气田地面工程, 2015, 34(4):20-21.

    TANG Huikang,LI Xiangyu. BP neural netwo-rk applied to the production performance ana-lysis of an oilfield[J].Oil and Gas Field Sur-Face Engineering, 2015, 34(4):20-21.
    [8] 郭文霞. 硬地网球男子单打比赛战术诊断指标体系构建与应用[D]. 北京体育大学, 2018. GUO Wenxia. Construction and application of tactical diagnostic index system for men's si-ngles in hard ground tennis[D]. Beijing Spo-rt University, 2018.
    [9] 罗悦, 林冰, 温川飙. 基于神经网络的中医体质与体检指标关联模型算法研究[J]. 时珍国医国药, 2018, 29(3):763-766.

    LUO Yue, LIN Bing, WEN chuanbiao. Study o-n the algorithm of the correlation model bet-ween the constitution and physical examinati-on index of traditional Chinese medicine bas-ed on neural network[J].Shi Zhen Guo Yi G-uo Yao, 2018, 29(3):763-766.
    [10] 廖藤藤, 李国庆, 李若溪. 基于带搜索约束的神经网络实现吸收稳定系统操作优化[J]. 石油学报(石油加工), 2017, 33(6):1138-1145. LIAO tengtengteng, LI Guoqing, LI Ruoxi. O-ptimization of operation of absorption stabilit-y system based on neural network with sear-ch constraint[J].Journal of Petroleum (petro-leum processing), 2017, 33(6):1138-1145.
    [11] 刘鲭洁, 陈桂明, 刘小方, 等. BP神经网络权重和阈值初始化方法研究[J]. 西南师范大学学报(自然科学版), 2010, 35(6):137-141. LIU Yujie, CHEN Guiming, LIU Xiaofang, et al.Study on BP neural network weight and t-hreshold initialization method[J].Journal of S-outhwest China Normal University(Natural S-cience), 2010, 35(6):137-141.
    [12] Ahmed K. Abbas, Ali A. Bashikh, Hayder Ab-bas, et al. Intelligent decisio-ns to stop or mitigate lost circulation based on machine learning[J]. Energy, 2019, 183.
  • 加载中
计量
  • 文章访问数:  456
  • HTML全文浏览量:  139
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-12-12

目录

    /

    返回文章
    返回