基于Stacking集成学习的机械钻速预测方法

作     者：高云伟 罗利民 薛凤龙 刘洋 严昊 郑双进 Gao Yunwei;Luo Limin;Xue Fenglong;Liu Yang;Yan Hao;Zheng Shuangjin

作者机构：中石化江汉石油工程有限公司页岩气开采技术服务公司 中国石油天然气股份有限公司西南油气田分公司 长江大学石油工程学院 

出 版 物：《石油机械》 (China Petroleum Machinery)

年 卷 期：2024年第52卷第5期

页      面：17-24,52页

学科分类：0820[工学-石油与天然气工程] 082001[工学-油气井工程] 08[工学] 

基　　金：中国石油化工股份有限公司石油工程技术研究院科研项目“基于机器学习的机械钻速预测与施工参数优化方法研究”(35800000-22-ZC0607-0033) 

主　　题：机械钻速 预测模型 Stacking集成学习 机器学习 施工参数优化 预测验证 

摘      要：机械钻速是评估石油天然气钻井作业效率的重要指标。为准确预测新疆工区某油田钻井机械钻速,基于该工区的历史钻井数据,利用局部离群因子检测算法对数据进行预处理,建立了基于Stacking集成学习的机械钻速预测模型,该模型通过Stacking集成策略融合K近邻算法(KNN)、支持向量机算法(SVM)和随机森林算法(RF)进行预测验证。预测验证结果显示,分类准确度不高。运用遗传算法进行各基础模型参数优化。优化后,基于KNN、SVM、RF及Stacking集成4种算法,预测机械钻速准确率分别为73.7%、78.9%、81.6%及97.4%,其中Stacking集成模型预测准确率最高。基于Stacking集成学习的机械钻速预测方法开发了机械钻速预测软件,运用软件预测其他2套施工参数下的机械钻速,结果表明,预测机械钻速与实际机械钻速一致,且性能稳定,表明该模型拥有较强的泛化性和较高的预测精度。该智能算法可为新疆工区的该油田机械钻速预测与钻井施工参数优化提供一种新手段。