改进麻雀搜索算法优化支持向量机的井漏预测

在钻井过程中，受地质环境，钻井技术等多种因素的影响，容易发生井漏事故。为预防井漏事故，减少因钻井事故带来的损失，本文提出了一种改进麻雀搜索算法（ISSA）优化支持向量机的井漏预测方法。首先，在发现者位置更新公式中引入了一种改进的自适应非线性惯性递减权重，提高算法全局搜索能力； 其次，在警戒者位置更新公式中引入莱维（Levy）飞行策略，减少算法陷入局部最优的风险。为验证改进算法的寻优能力，将麻雀搜索算法（SSA）、遗传算法（GA）、灰狼算法（GWO）以及改进的麻雀搜索算法（ISSA）在8个基准测试函数上做了对比实验。实验结果表明，改进的麻雀搜索算法（ISSA）在寻优精度，稳定性等方面都较其它算法更为优异。最后，将改进的麻雀搜索算法用于优化支持向量机（ISSA-SVM）的惩罚参数 和核参数 ，进行井漏事故的预测。结果表明，ISSA-SVM预测准确率为97.7654 ，相比于麻雀算法（SSA）-SVM、遗传算法（GA）-SVM以及灰狼算法（GWO）-SVM预测准确率都高，且收敛速度快，迭代次数少，能够高效、快速预测井漏事故，提高钻井效率和可靠性。     

基于混合人工鱼群优化SVR的交通流量预测

实时准确的交通流量预测是智能交通系统(ITS)中的重要内容．支持向量回归(SVR)能够用于解决交通流量预测问题,针对SVR中存在的参数选择困难,提出一种混合人工鱼群(AFS)算法．该算法利用粒子群优化(PSO)算法公式改进AFS算法,减小AFS算法中步长因子的影响,并引入混沌初始化AFS机制,选取最优SVR参数,建立了基于混沌PSO-AFS优化SVR的交通流量预测模型．仿真结果表明,该交通流量预测模型具有更优的预测性能,证明了其可行性和有效性．     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

基于改进蝙蝠算法优化广义回归神经网络的岩质边坡稳定性预测

在对边坡进行稳定性评价时,传统的数值分析法计算量大,对经验的依赖性强,无法很好地反映边坡动态开放和非线性的特征.针对岩质边坡的上述特点,采用广义Hoek-Brown非线性破坏准则力学参数作为边坡稳定性的影响因素.利用改进后的蝙蝠算法(bat algorithm,BA)搜寻最优解来更新广义回归神经网络(generalized regression neural network,GRNN)的光滑因子,建立改进的BA-GRNN边坡稳定性预测网络.针对蝙蝠算法种群个体缺乏变异机制,在迭代过程中寻优能力下降的问题,引入交叉变异算子改进蝙蝠种群的多样性,使其保持持续优化能力.将改进BA-GRNN网络、BA-GRNN和GRNN3种网络得到预测结果进行对比,发现改进后的BA-GRNN预测网络对于边坡状态和安全系数预测精度更高,在边坡稳定性的预测方面有更好的适用性.     

相控阵天线阵面通道故障数量预测方法

为预测定期维修条件下相控阵雷达天线阵面通道故障数量,提出一种改进的GM(1,1)方法。分析了传统GM(1,1)方法在预测天线阵面通道故障数量时存在的问题,针对天线阵面通道故障历史数据的波动性,通过滑动平均法对数据进行预处理,改善了原始数据用于灰色预测的适应性;针对固定背景值不能反映数据波动规律的问题,通过引入自适应算子对背景值进行重构;针对预测过程中的数据不便更新问题,引入新陈代谢方法对模型的初始数据进行更新。建立了改进GM(1,1)模型,给出了具体的计算步骤,并通过实例仿真与算法比较,验证了所提预测方法的有效性。     

基于无迹卡尔曼滤波的LSSVR在线多步时间序列预测

准确宽范围多步预测在时间序列预测应用中带来了巨大挑战.提出了一种基于最小二乘支持向量回归(LSSVR)和无迹卡尔曼滤波(UKF)的在线多步预测方法,利用时间滑动窗口减小算法的计算负荷,UKF方法实现LSSVR模型参数更新以提高预测精度.当预测范围达到预定步长p时,由核宽度σ、支持值参数{α_k}_k~L_(=1)以及偏移项b所构成的模型参数通过新的测量值和UKF进行在线更新.提出的方法不仅以较少的训练数据建立在线预测模型(所需训练数据集大小为相空间维数与滑动窗口长度之和),且多步预测值的精度相比于传统方法得到进一步提高.最后,通过几个实验研究论证了提出方法的有效性和优越性.     

高斯过程回归超参数自适应选择粒子群优化算法

超参数优化是减少高斯过程回归(Gaussian process regression,GPR)学习方法计算量,提高高斯模型性能的一个重要问题。为解决超参数优化问题中先验知识匮乏,对初始值过分依赖且易陷入局部最优等问题,文章引入粒子群优化(particle swarm optimization,PSO)算法,并结合差分速度更新公式及自适应变异策略,提出了一种自适应差分粒子群-高斯过程回归优化(adaptive differential particle swarm optimization-Gaussian process regression,ADPSO-GPR)算法对GPR中超参数进行自适应优化。该算法在线性与非线性两类时序回归序列上与多种主流超参数优化算法进行对比,实验结果表明,采用该文算法优化超参数后的GPR具有较高的拟合精度及泛化能力。     

基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处理,并依据互信息关联分析优选输入参数降低模型冗余.其次,利用粒子群优化(particle swarm optimization,PSO)算法实现对BP神经网络初始权值、阈值的优化,建立机械钻速预测新模型,并将PSO-BP新模型与标准BP、BAS(Beetle Antennae Search,天牛须算法)-BP及GA(genetic algorithm,遗传算法)-BP等三种模型进行对比分析.最后,根据实际工况对PSO-BP钻井机械钻速预测模型进行模型评价.结果表明,PSO-BP机械钻速预测模型不仅具有良好的预测精度,而且为钻进过程中提高机械钻速提供科学的参考.     

大位移井岩屑床厚度预测模型与现场应用： 以CH1-1-XX井钻井为例

大位移井钻井过程中,岩屑极易在斜井段及水平段环空底部积聚成床,导致憋泵、卡钻等事故,严重影响钻井施工安全和钻井时效。现有的岩屑运移及岩屑床清除模型均针对标准圆球状岩屑,与实钻中返出的岩屑形状差异较大,导致模型应用范围受限,无法提供更准确的现场指导。为探究大位移井非标准圆球状岩屑运移规律,本文通过可视化岩屑运移实验与CFD数值模拟结合的方法,建立了一套大位移井岩屑床厚度预测经验模型,并在CH1-1-XX井开展了现场应用,对不同开次下的钻进参数进行了优化,取得了良好效果。结果表明：利用模型预测岩屑床厚度并进行钻进工艺参数优化后,一开与二开钻井时最高岩屑床厚度分别为40.6 mm、33.9 mm,均低于同井深处的岩屑床厚度安全线,表明井眼清洁程度高,无憋卡风险。本文建立的岩屑床厚度预测经验模型对提高大位移井井眼净化效率,保障大位移井安全高效钻进具有重要意义。     

改进混合蛙跳算法的研究

针对传统混合蛙跳算法(SFLA)在优化过程中出现的求解精度不高、收敛速度慢、算法易陷入局部最优的问题,本文经过改变种群个体的位置更新公式,提出一种改进混合蛙跳算法(ISFLA)。在种群个体位置更新公式中,引入自适应同步因子和惯性权重系数。通过引入自适应同步因子,控制青蛙寻优过程中的移动步长,改进算法的局部搜索范围,保持种群的多样性。通过引入惯性权重系数,加入上一次的移动距离,表示对过去的经验记忆,加快搜索速度。通过对6个测试函数的实验结果表明,改进后的混合蛙跳算法相较于传统混合蛙跳算法具有较好的寻优性能。     

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法（improved sparrow search algorithm,ISSA）优化支持向量机（support vector machine,SVM）,进而建立边坡稳定性预测模型（ISSA-SVM模型）。将重度、粘聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取国内外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法（grey relation analysis,GRA）进行敏感性分析。结果表明：ISSA-SVM模型预测精度更高、泛化能力更强,粘聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。     

水平井段脉冲携岩数值模拟研究

水平井钻井技术已成为现代油气勘探开发的重要手段,水平井段岩屑运移不畅造成钻井过程中的高摩阻和扭矩、卡钻和憋泵等情况,影响钻具的使用寿命和钻进安全,特别是使用现有的常规携岩方法无法解决,为此,提出脉冲携岩方法。在现有水力脉冲的基础上,根据分流继能机理,建立小井眼水平井岩屑运移的流场模型,采用RNG k-ε模型、幂律模式及二次开发子程序进行数值计算,确定脉冲携岩合理的脉冲周期、占空比等参数,并研究水力脉冲条件下钻井液排量、偏心度、岩屑粒径等参数对偏心环空岩屑运移的影响,得到环空岩屑运移速度和浓度的分布规律。研究表明,在同等条件下,脉冲携岩效率更高,破坏岩屑床效果更好,降低岩屑床浓度约40%。     

应用神经网络技术诊断钻井事故

针对钻井过程的复杂性、不确定性等特点,提出了基于人工神经网络钻井事故预测与诊断模型.以钻井过程工况参数构成神经网络的输入特征向量,以钻井过程正常运行模式及常见事故模式的监测数据作为训练及检验样本,根据钻井事故诊断特点,确定了神经网络的结构与参数,采用改进算法和学习规则,实现对神经网络系统的训练和模拟,建立能够准确预测事故的神经网络模型.该方案的提出可使现场工作人员及时监测钻井过程,降低事故发生率,节约钻井成本,提高效率.     

富水砂卵石地层冻结孔钻进泥浆配比优化研究

在富水砂卵石地层地铁联络通道近水平冻结孔钻进时,因泥浆黏度低,稳定性差,护壁及润滑作用弱造成泥浆损失及钻头磨损严重、塌孔、卡钻和断杆等问题。为了优化富水砂卵石地层下冻结孔钻进泥浆配比,通过单因素试验以及响应面分析法中的Box-Benhnken(中心组和)正交试验方法进行试验设计与数据分析,得出适用于富水砂卵石地层冻结孔钻进泥浆优化配比。基于北京地铁12号线的工程应用表明：采用优化泥浆配比,即膨润土含量为7.18%,水解聚丙烯酰胺含量为0.20%,钠羧甲基纤维素含量为0.19%,硫酸铝的含量为0.03%时,泥浆黏度提高32%,泥皮厚度增加了20%,滤失量减少了30%,润滑系数减少了60%,冻结孔钻进泥浆主要性能指标明显改善,冻结孔打钻时的减阻效果显著,钻杆所受轴力平均减少15%,所受扭矩平均减少13%,泥浆的膨润土用量和回流损失量减少了30%,材料成本明显降低,未发生塌孔、断杆和卡钻等工程事故,冻结孔钻进效率及成孔质量明显提高。     

“三高”油气井早期溢流在线监测与预警系统

为解决钻井过程中传统溢流监测实时性和可靠性差的问题,设计开发出一套"三高"油气井早期溢流在线监测与预警系统。该系统针对常规单一参数、单一手段溢流监测实时性低、可靠性差的问题,综合应用微流量、随钻压力(pressure while drilling,PWD)以及综合录井3类参数,通过多参数、多手段相互印证的方式提高溢流监测的实时性与可靠性。提出基于专家系统和改进的贝叶斯判别相融合的溢流等钻井事故判别方法:当缺少训练数据时,应用专家系统判别溢流等钻井事故;当训练数据充足时,应用专家系统和改进的贝叶斯判别相结合识别溢流等钻井事故。改进的贝叶斯判别模型对于因属性变量间不独立而引起的误判具有一定的抑制作用,能够提高判别准确度,且训练简单,应用灵活。通过两种算法的有机结合,优势互补,可以提高井控安全的智能化水平与现场适用性。测试实验结果表明,该系统能够实时、有效地监测溢流等钻井事故。     

底部钻具组合造斜率预测新方法

基于钻头与地层相互作用模型及钻进趋势评价指标,提出一种底部钻具组合造斜率预测的新方法——平衡趋势法,认为底部钻具组合的造斜率应与钻进趋势角为零时的井眼曲率相等。结合钻具组合受力分析模型和钻头与地层相互作用模型,推导出钻进趋势角的计算表达式,建立平衡趋势法求解底部钻具组合造斜率的计算方法。实例验证表明,该方法具有较高的计算精度,能够实现钻头和地层的各向异性、地层倾角及倾向等各种因素对底部钻具组合造斜率的定量评价,为今后底部钻具结构的合理配置以及钻井参数的优选提供有力的理论依据和分析手段。     

准噶尔南缘深井机械比能分析与钻井参数优化

准噶尔盆地南缘深部地层具有埋藏深、岩石抗压强度高、可钻性差等特点,导致复杂情况多、钻井周期长,单井平均钻井周期335 d,深部地层平均机械钻速在2 m/h以下,提高机械钻速是南缘深部地层钻井的迫切需求和巨大挑战。针对南缘深部地层复杂条件,建立井口载荷与钻头载荷之间的关系,分析螺杆钻具输出特性,推导复合钻井机械比能模型。以HT1井五开ϕ190.5 mm井段实钻数据为基础,针对不同地层分析南缘深部地层机械比能与机械钻速之间的关系,优选钻井方式,确定合理的钻井参数范围。机械比能分析表明,连木沁组对转速不敏感,推荐采用常规钻井方式并适当增加钻压;胜金口组和呼图壁河组推荐采用复合钻井,适当提高钻压;清水河组和喀拉扎组扭冲提速效果不明显,建议尝试新型提速工具,考虑尝试高钻压、适当转速的参数组合。研究结果可为后续南缘深部地层提高钻速提供参考。     

准噶尔南缘膏泥岩地层井壁失稳机理研究*

准噶尔盆地南缘山前安集海河组和紫泥泉子组地层含有大量膏泥岩和泥岩,且存在复杂的破碎带,是该地区钻井过程中发生遇阻、卡钻、井漏等井下复杂事故的主要层段。从岩心粘土矿物组分、微观结构、岩石力学性能、岩屑分散膨胀性能等方面分析该层段的失稳机理。研究认为：安集海河组和紫泥泉子组地层均具有粘土含量(30%)、伊/蒙混层(57%)、混层比高(55%)是地层发生非均匀水化膨胀失稳的主要原因;岩屑清水热滚回收率和线性膨胀率可见地层具有高分散高膨胀的特点,极易造成井壁坍塌及钻井液性能恶化;岩心抗压强度较低,经水基钻井液浸泡后破碎或者产生裂纹,油基钻井液浸泡抗压强度下降,说明岩心本身的抗压强度低也是地层不稳定原因;另外,地层孔隙压力高,钻井液安全密度窗口窄,钻井液密度控制不当也是导致地层失稳(漏失和坍塌)的重要原因。     

煤矿钻机自动防卡钻电液控制系统研究

由于松软煤层地质条件复杂多变,钻机在钻孔施工时,经常发生卡钻事故,这极大降低了工作效率,并严重威胁到工人人身安全。为解决以上问题,分析了引起卡钻的各影响因素,采用钻机回转压力表示卡钻状态,并设置回转压力卡钻阈值。根据钻机工作原理与卡钻机理,建立基于负载流量独立分配系统(LUDV)的防卡钻液压回路;采用PID与信号选择器建立自动防卡钻控制器,并采用人群搜索算法(SOA)整定PID参数。采用AMESim进行系统仿真试验,结果表明：回转压力达到20 MPa时,钻机自动回退;达到22 MPa时,钻机回转压力维持稳定,保持较大的回转动力克服外负载阻力,避免发生卡钻事故,验证了自动防卡钻电液控制系统的有效性。