钻井液与完井液

作者：盛科鸣,蒋官澄

单位：1.中国石油大学(北京)人工智能学院, 北京 102249；2.中国石油大学(北京)油气资源与探测国家重点实验室·中国石油大学(北京)石油工程教育部重点实验室·中国石油大学(北京), 北京 102249；

关键词：储层敏感性预测, 油气人工智能, 随机森林, 神经网络, 相关性分析

基金：国家自然科学基金青年科学基金项目“智能钻井液聚合物处理剂刺激响应机理与分子结构设计方法研究”（52004297）；中国博士后创新人才支持计划“大温差智能响应机理及智能恒流变无土相生物油基钻井液研究”（BX20200384）。

储层损害贯穿在油气田勘探开发的各个时期，其种类繁多、损害机理十分复杂。传统岩心流动实验评价储层敏感性的结果可靠，但岩心获取成本高、投入时间和成本大。调研和实践表明，利用神经网络、随机森林等算法基于小规模样本建立的模型可以实现对样本的预测，节约时间和经济成本。基于X区块敏感性室内评价小规模样本资料，选择训练集及测试集，深入对比了BP神经网络算法、径向基函数神经网络算法、随机森林算法，优选出随机森林算法作为储层敏感性损害定量诊断的主要方法，采用网格搜索等算法进行了超参数优化、根据因素权重对数据进行降维，以此提高预测精度，搭建了完整的模型。4种损害模型的R2平均值为0.852，预测精度在90.00%～95.68%。

来源：2023年第4期

《钻井液与完井液》期刊编辑部

查看钻井液与完井液杂志2023年第4期