基于注意力机制的卷积神经网络机械钻速预测方法

作     者：李博志 杨明合 许楷 蔡旭龙 张俊 LI Bo-zhi;YANG Ming-he;XU Kai;CAI Xu-long;ZHANG Jun

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] 

基　　金：中国石化科技攻关项目(P17049-3) 

主　　题：机械钻速 钻速预测 卷积神经网络 注意力机制 

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。