论文摘要
从已经积累的海量钻井数据中挖掘发现,精确地预测机械钻速成为了当前钻井工作的重要方向。现有的预测机械钻速的方法以实验和经验为主,成本较高、周期较长,且在多维条件约束下,已经不能很好地满足当前钻井工程的需要。针对钻速预测问题,通过对已经收集的特定区块的历史数据进行挖掘,设计并实现以GBDT算法为核心的机械钻速预测模型。同时将该方法与SVM、LR、KNN等其他机器学习算法进行比较。实验结果表明,该算法相对其他方法具有较高的准确率,可以为提高钻速提供科学可靠的参考。
论文目录
文章来源
类型: 期刊论文
作者: 苏兴华,孙俊明,高翔,王敏
关键词: 机械钻速,预测,对比实验
来源: 计算机应用与软件 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 石油天然气工业,自动化技术
单位: 中石油川庆钻探工程有限公司,西北工业大学计算机学院
基金: 国家重点研发计划项目(2016YFB0700504),陕西省科技计划项目(2018GY-048)
分类号: TE21;TP181
页码: 87-92
总页数: 6
文件大小: 526K
下载量: 291