论文部分内容阅读
在钻井过程中，实时掌握钻头处的轨迹参数，并对井眼轨迹的变化趋势进行预测，对控制井眼轨迹引导钻头进入目标层并在目标层中钻进尤为重要。本文以中石化重点科技攻关项目“地质导向钻井工艺技术研究”为背景，利用人工智能和信息处理的方法对地质导向钻井随钻井眼轨迹预测方法进行了研究，本文的主要工作如下：
对现有的井眼轨迹预测方法进行了总结，在对底部钻具组合进行受力分析的基础上，结合钻头-地层相互作用模型推导出了预测井眼轨迹的计算公式，该公式可用于在地质导向钻井中预测井眼轨迹在正北、正东及垂深方向增量。
针对定曲率法井眼轨迹预测的特点，结合最优估计理论，建立了基于卡尔曼滤波器的井眼轨迹估计模型，模型对定曲率盲区估计产生的噪声有实时的滤波作用，实验结果表明，该方法优于传统的定曲率法。
在分析了影响井眼轨迹的几个主要因素后提出了一种利用小样本统计学习理论中的支持向量机来进行井眼轨迹预测的新方法，介绍了用于非线性回归估计的支持向量机的基本思想，通过对一口或几口已钻井的轨迹数据、钻进方式和底部钻具组合结构参数进行学习训练支持向量机，建立了井眼轨迹的支持向量机预测模型，并利用多口实钻井的轨迹数据进行了验证。