Оптимизация траектории скважины с использованием алгоритмов машинного обучения для геонавигации при направленном бурении

Optimization of well trajectory with machine learning algorithms for geosteering directional drilling
Eric Thompson Brantson, Joel Adu-Awuku, William Asase, Stephen Dwamena Akoto Obeng, Maame Boaduwaa Kwakye-Tannor, Justice Appiah Nuamah, A. Evans, Frank Barimah Appiah-Adjei, Francis Dela Nuetor, Precious Opoku
2025-04-30

SVM-GWOгеонавигация при направленном бурениимашинное обучениероторно-управляемая системаоптимизация траектории скважины
Буровые операции в нефтегазовой отрасли требуют точного планирования и принятия стратегических решений. В настоящем исследовании представлено комплексное решение для бурения в реальном времени, объединяющее планирование траектории скважины, моделирование бурения с использованием технологии роторно-управляемой системы (RSS) и модели машинного обучения (ML) для совершенствования решений по управлению траекторией. Для дополнительного повышения качества моделей применялись алгоритм оптимизации серых волков (GWO) и 10-кратная перекрёстная проверка при настройке гиперпараметров. Исследование посвящено оценке эффективности пяти моделей ML, применённых к скважине 14 на нефтяном месторождении Гране. Основная цель заключается в повышении точности, надёжности и эффективности операций направленного бурения; месторождение Гране использовано в качестве репрезентативного примера. При оценке моделей ML для принятия решений по управлению траекторией наиболее эффективной оказалась машина опорных векторов с GWO (SVM-GWO), продемонстрировавшая точность 96,68% и стандартное отклонение 0,0046 при 10-кратной перекрёстной проверке. Матрица ошибок показала истинно положительные результаты в количестве 109, 113 и 113 для классов удержания траектории (0), отклонения влево (1) и отклонения вправо (2) соответственно, что свидетельствует о способности модели точно выявлять положительные случаи во всех категориях. Анализ кривой рабочих характеристик приёмника (ROC) и площади под кривой (AUC) дополнительно подтвердил устойчивость модели SVM-GWO: впечатляющее значение AUC-ROC, равное 0,99, было получено для всех классов. Согласно результатам моделирования с использованием модели SVM-GWO, критическая нагрузка потери устойчивости, нагрузка на долото, крутящий момент, сила сопротивления, угол пространственной интенсивности искривления и механическая скорость бурения составили соответственно 50 520,52 фунта, 59 390,29 фунта, 85 513,68 фунт-сила·фут, 14 754,43 фунт-сила, 2,06°/100 фут и 193,9 фут/ч. Все эти значения соответствовали отраслевым стандартам. Модель SVM-GWO также была проверена на реальных данных каротажа в процессе бурения из скважины Dora Martin-1H в сланцевой формации Eagle Ford, где она достигла точности 84%, подтвердив свою надёжность при принятии решений по геонавигации.
1
Разработана система управления бурением в реальном времени, объединяющая планирование траектории скважины, моделирование бурения с RSS и машинное обучение для принятия решений по управлению.
2
Среди пяти оценённых моделей для скважины 14 на месторождении Гране лучшей стала SVM-GWO: точность составила 96,68%, а стандартное отклонение при 10-кратной кросс-валидации — 0,0046.
3
Модель SVM-GWO точно классифицировала решения «удерживать», «рулить влево» и «рулить вправо», получив 109, 113 и 113 истинно положительных результатов соответственно; AUC-ROC составила 0,99 для каждого класса.
4
Параметры бурения, рассчитанные при моделировании с SVM-GWO, соответствовали отраслевым стандартам, включая угол искривления 2,06°/100 футов и скорость проходки 193,9 футов/ч.
5
Проверка на реальных данных каротажа в процессе бурения из скважины Dora Martin-1H достигла точности 84%, что подтверждает надёжность модели для решений по геонавигации.

бурение и геонавигация нефтяных скважин в реальном времени, представленные скважиной 14 на нефтяном месторождении Гране

эффективность принятия решений по управлению траекторией на основе машинного обучения и оптимизация траектории бурения, включая точность, надёжность, эффективность и моделируемые параметры бурения

Publication Details
Publication Date
2025-04-30
Journal
Publisher
ISSN
Cited by
3
Access Type
Author Information
Authors
Eric Thompson Brantson
Joel Adu-Awuku
William Asase
Stephen Dwamena Akoto Obeng
Maame Boaduwaa Kwakye-Tannor
Justice Appiah Nuamah
A. Evans
Frank Barimah Appiah-Adjei
Francis Dela Nuetor
Precious Opoku
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%