基于注意力机制的卷积神经网络机械钻速预测方法
Prediction Method for ROP Based on Attention Mechanism of Convolutional Neural Network作者机构:油气钻采工程湖北省重点实验室武汉430100 中国石化西北油田分公司石油工程技术研究院乌鲁木齐834000
出 版 物:《科学技术与工程》 (Science Technology and Engineering)
年 卷 期:2024年第24卷第21期
页 面:8910-8916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]
摘 要:传统机器学习方法在进行机械钻速(rate of penetration,ROP)预测时,受复杂特征提取和人为认知局限性的影响,难以满足现场预测精度要求。基于此,提出一种特征提取和回归预测相结合的机械钻速预测方法。首先,采用箱型图和独热编码对钻井实测数据进行预处理,清除异常数据并将离散特征连续化。其次,应用卷积神经网络(convolutional neural network,CNN)挖掘数据特征,并在网络中引入通道注意力机制(squeeze-and-excitation network,SENet),实现对CNN特征通道重要性程度的合理分配,建立SE-CNN机械钻速预测模型。最后,将SE-CNN模型与CNN模型进行对比分析,结果表明:SE-CNN模型的拟合优度提高了2.1%,平均绝对误差和均方根误差分别降低了1.1%和1.5%。SE-CNN模型具有更高的预测精度,可以用于现场机械钻速预测,为钻井提速提供科学参考。