基于机器学习的钻井漏水检测方法研究  

作　　者：高辉 杜晶晶 张瑞强 王敏[3] 

机构地区：[1]陕西华燕航空仪表有限公司,陕西汉中723102 [2]佛山市壹安技自动化设备有限公司,广东佛山528200 [3]西北工业大学,陕西西安710072

出　　处：《物联网技术》2023年第7期12-14,共3页Internet of things technologies

基　　金：陕西省重点研发计划(2020ZDLSF04-02)。

摘　　要：近年来钻井成本不断增加,一个很重要的原因是随着钻井深度的增加,在钻井过程中发生漏水的概率越来越高,导致开采的原油中含水量越来越大,降低了原油的品质。因此,尽早发现井漏,对于提高原油品质、减少经济损失、增加效益具有非常重要的意义。本文旨在通过挖掘历史数据,尝试基于机器学习技术建立一个模型来预测发生漏水的概率。其中对比了支持矢量积、随机森林、Logistic回归三种算法。实验结果表明,Logistic回归模型的预测效果最好,准确率高达80%,具有一定的实用价值。

关 键 词：机器学习 时间序列分类 钻井事故 石油生产 井漏 SVM 

分 类 号：TP39[自动化与计算机技术—计算机应用技术] G258.6[自动化与计算机技术—计算机科学与技术] G250.7[文化科学—图书馆学]