Drillability-informed ROP prediction and parameter optimization in complex formations

Lu Yin

doi:10.1038/s41598-026-68080-x

Drillability-informed ROP prediction and parameter optimization in complex formations

2026-09-11

0

OA

AI

DOI：10.1038/s41598-026-68080-x

原文链接

查看原文

摘要

En 中文

钻速（ROP）是复杂地层中钻井效率的关键指标，直接影响钻井时间和成本。在非均质地质条件下，地层可钻性的变化以及钻井参数与地层特征的不匹配会降低破岩效率并制约ROP。本研究开发了一个基于可钻性的框架，整合了地层表征、ROP预测和钻井参数优化。采用小波去噪和归一化处理多源钻井与测井数据，并利用互信息选择信息变量。地层可钻性通过可钻性等级、脆性指数和强度梯度指数进行量化，并采用K-means聚类生成三个面向工程的钻性类别，而非正式的地质层位。随后构建了一个约束融合神经网络CTFusion-Net，结合基于物理的计算单元特征、并行CNN–TCN特征提取以及定量定义的有效钻井包络内的局部单调性正则化。在独立测试井中，CTFusion-Net的RMSE为0.244 m/h，MAE为0.197 m/h，R2为0.943。与CNN基线相比，RMSE和MAE分别降低了45.8%和39.6%。消融分析进一步表明，当保留CU特征时，单调性正则化将单调性违反率从13.1%降至5.8%，同时提供了适度的预测精度提升。对于参数优化，采用跳蝻优化算法在基于现场的操作约束内优化钻压和转速。在25次独立运行中，实现了模型预测ROP提升26.94 ± 0.63%和MSE降低12.36 ± 0.38%，在所调查条件下优于差分进化和双退火算法。所提出的流程为表征可钻性依赖的钻井响应和识别有前景的参数组合提供了集成方法。所报道的改进代表离线、基于模型优化的潜力，在应用于其他地层前需要进一步现场验证和本地重校准。

Drillability-informed ROP prediction and parameter optimization in complex formations

摘要

AI总结

期刊

机构