基于支持向量机的钻井液高温高压静态密度预测模型

《基于支持向量机的钻井液高温高压静态密度预测模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学兔兔www.xuetutu.com第3l卷第3期钻井液与完井液、b1．3lNO．32014年5月DRILLINGFLUID＆COMPLETIONFLUIDMav2014doi：10．39698．issn．1001-5620．2014．03．007基于支持向量机的钻井液高温高压静态密度预测模型徐生江，李杰，吴继伟，戎克生，王贵(1．新疆油田公司工程技术研究院，新疆克拉玛依；2．西南石油大学石油工程学院，成都)徐生江等．基于支持向量机的钻井液高温高压静态密度预测模型[J]．钻井液与完井液，2014，31(3

2、)：28—31．摘要钻井液的密度在高温高压条件下不再为一常数，准确预测高温高压钻井液密度值对确定井下压力剖面具有重要意义。基于支持向量机回归原理，建立了支持向量机回-3模型，预测了不同类型钻井液在高温高压下的静态密度。结果表明，与相同条件下的其他方法相比，建立的支持向量机模型可针对不同钻井液类型，且对水基、油基及合成基钻井液高温高压下静态密度值的预测均具有更高的精度和泛化能力。关键词钻井液；高温高压；密度；支持向量机；预测模型中图分类号：TE254．1文献标识码：A文章编号：1001．5620(2014)

3、03—0028—040引言最小化原理，能够基于小样本的学习对其他样本进行快速、准确地拟合预测，具有更好的泛化性能和精度，钻井液密度值是计算井底压力的关键参数之一，减少对经验的依赖，能较好地解决小样本、非线性、直接关系着油气井的建井安全与成功。大量钻井实践高维数等实际问题，广泛用于小样本的分类和回归问表明，钻井液密度会随着井筒内温度、压力的变化而题[71。高温高压钻井液密度的预测是一个典型的小样变化，准确获取高温高压下钻井液的密度特性有利于本问题，笔者将支持向量机模型运用到高温高压钻井确定井下压力剖面[1-

4、31o然而，一方面准确测量高温、液密度的预测研究中，并与现有其它方法进行了对比。高压下钻井液密度需要专用的钡4试设备，另一方面实验测量数据点往往有限，不可能获取井下所有温度、1支持向量机原理压力下的钻井液密度值。因此，利用较少的实验测量最简单的支持向量机回归使用线性函数对样本点数据来预测不同温度、压力下钻井液密度值，对钻井进行拟合，对于无法用线性函数拟合的问题，则将样设计与施工具有重要现实意义。本映射到高维特征空问，在高维特征空间中建立线性国内外对高温高压下钻井液密度的预测分析方模型：法主要有多元线性回归

5、、人工神经网络(ANN)等，Y=(=u()+b(1)如：Kutasove等提出了决定井下钻井液密度的线性式中，()是将样本点映射到高维空间的非线性变“经验模型”【4】，Karstad等人提出了非线性理论模型，换，∞为权值向量，b为偏置项。支持向量机回归问该模型中系数的确定仍具有经验性，称之为“半经题可表示如下优化问题：验模型”[5】，Osman等利用人工神经网络技术建立了ANN模型【6】。然而，在实际应用中这些方法均有各rnjnII+c窑)】自的适用范围，且常受到高温高压钻井液密度实测数s．t．di—()

6、一bi8+(2)据样本过小的限制，无法获得理想的效果。支持向量机(SVM)是基于统计学习理论建立的一种具有完()+b一dj8+(_0备理论基础的机器学习算法，该方法采用了结构风险，基金项目：中国石油天然气股份有限公司项目(210011459028)部分成果。第一作者简介：徐生江，工程师，毕业于西南石油大学油气井专业，现在从事钻井液技术研究工作。地址：新疆克拉玛依勘探开发研究院X-程所；邮政编码834000；电话(0990)6869424；E—mail：shengjiangxu@126．com。学兔兔www

7、.xuetutu.com第31卷第3期徐生江等：基于支持向量机的钻井液高温高压静态密度预测模型29式中，c为惩罚系数，s为回归允许的最大误差，3计算实例，为引进的松弛变量。以水基钻井液为例，该水基钻井液的基浆配方为：通常通过求解上述模型的Lagrange对偶问题获5％膨润土+o．8％铬木质素磺酸盐+0．8％褐煤，pH得原问题的最优解值为l1．9。建立模型时仅随机选取了3种初始密度的f(x，ai，)=∑(口I-a,)g(x，)+6(3)钻井液在较小温度和压力范围内的18个样本数据点作为模型的训练集，训练集具

8、体数据见表1。式中，a、为Lagrange乘子，只有部分不为0的(ai-a)项对应为支持向量；K(，X)称为核函数，表1水基钻井液训练集样本数据具有如下形式。)=)×)(4)满足Mercer核条件的对称函数均可作为核函数，常用的核函数主要有[8】：多项式核函数：，)=+ry，7>0(5)径向基核函数(RBF)：，)=exp(_l一Il)，7>0(6)737．7801．631．63Sigmoid核函数：893_3301．631．