基于机器学习的堵漏颗粒粒径推荐方法

作     者：刘凡 刘裕双 张震 李永健 刘策 马志虎 LIU Fan;LIU Yushuang;ZHANG Zhen;LI Yongjian;LIU Ce;MA Zhihu

作者机构：中国石油集团工程技术研究院有限公司北京昌平102206 中国石油塔里木油田分公司新疆库尔勒841000 中国石油大学(北京)北京昌平102249 中国石油化工集团股份有限公司西北油田分公司新疆乌鲁木齐830011 

出 版 物：《新疆石油天然气》 (Xinjiang Oil & Gas)

年 卷 期：2024年第20卷第1期

页      面：13-20页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 

基　　金：中国石油重大技术现场试验项目“恶性井漏防治技术与高性能水基钻井液现场试验”(2020F-45) 中国石油重大科技专项“海外大型碳酸盐岩油藏高效上产关键技术研究”(2023ZZ19) 

主　　题：堵漏 桥堵技术 架桥颗粒粒径 机器学习算法 库车山前 塔里木盆地 

摘      要：井漏是油气勘探领域的重大技术难题。桥接堵漏是最常用的堵漏技术手段,其中架桥颗粒粒径是关键参数,直接影响堵漏成败,目前架桥颗粒粒径的选择主要依赖经验,缺乏科学有效的方法。研究了一种基于机器学习算法的堵漏颗粒粒径推荐方法。该方法基础数据为塔里木盆地库车山前区域126口完钻井的测井、录井及防漏堵漏施工数据,其输入层为基于皮尔森算法筛选出的23项主要参数,输出层为0~750μm、750~1 500μm、1 500~4 000μm、4 000μm以上等4个架桥颗粒粒径区间。训练测试了10种常用的机器学习算法在测井数据、录井数据及测井+录井数据等三类数据集上的准确率,测井+录井数据集上各算法得分普遍高于测井和录井数据集。在测井+录井数据集上,支持向量机和极限随机树算法的F1得分最高,达到0.9以上。基于支持向量机和极限随机树算法的架桥颗粒粒径推荐模型在库车山前一口井上验证2井次,两种算法模型的架桥颗粒粒径预测结果与现场实际堵漏效果一致,在桥堵粒径级配科学优选上具有良好的应用前景。