基于融合特征選擇算法的鉆速預測模型研究

周長春，姜 杰，李 謙，朱海燕，李之軍，魯柳利

（1.成都理工大學環境與土木工程學院，四川 成都 610059；2.成都理工大學機電工程學院，四川 成都 610059；3.成都理工大學能源學院，四川 成都 610059；4.成都工業學院大數據與人工智能學院，四川 成都 611730）

0 引言

我國能源生產重點方向正在向超深層發展，隨著鉆井的深度增加，鉆頭進入更加復雜的地層，會使施工難度加大、鉆井速度減慢、成本升高。在國內外的研究中，機械鉆速一直是作為鉆井作業整體水平的直觀反映，準確預測機械鉆速可以有效計算鉆井成本和鉆井時間，從而優化鉆井參數、合理安排鉆機工作人員，并為鉆井設計人員提供依據［1］。

傳統的鉆速預測研究中，一些研究人員考慮巖性、豎井直徑和轉速等作為主要因素，通過對多元化回歸的分析，獲得鉆速方程［2］。還有一些研究人員制作模擬和動態模型，通過試驗模擬鉆探時的沖擊強度來調整及預測鉆速［1］。隨著大數據及計算機技術的發展及其被應用到油氣行業，采用機器學習技術對機械鉆速進行預測已成為智能鉆井行業研究的有 效 方 法 和 重 要 手 段［3］。如Amer 等［4］將 鉆 壓、轉速、排量、扭矩、泵量、泥漿密度和立管壓力作為輸入參數輸入到基于人工神經網絡的鉆速預測模型。趙穎等［5］以南海YL8-3-1 井為例，使用井眼深度、鉆壓、大鉤位置、扭矩、出入口鉆井液密度和溫度等基于極限學習機建立了海上鉆井機械鉆速預測模型。對于特征選擇方法的研究方面：李莉等［6］在特征選擇階段采用核主成分分析剔除源項目中的冗余數據的方法進行建模，結果表明所選擇特征會使得建模精度有一定的提高。……