页岩气钻井卡钻故障预警方法研究与应用

川南工区是我国页岩气资源最为丰富、最具开发潜力的地区之一.该工区地层压力系数高、地质条件复杂，导致钻井复杂、故障频发，其中卡钻故障最为突出，占复杂、故障总时效的47.48%，严重制约了页岩气安全高效开发.现有卡钻故障识别技术监控信息综合利用能力差、风险预警不够及时、主观性太强等问题较为突出.针对现场亟须解决的这一问题，提出一种基于人工智能算法的页岩气水平段井下卡钻故障实时预警方法，利用录井实时数据根据构建的预警模型实现了卡钻故障的智能化、实时化定量判断.技术的攻关和应用对于提高川南工区深层页岩气钻井单井盈利水平、降低复杂和故障损失、提高工区内队伍的施工能力具有重要意义.     

Ti-Zr-Nb固溶体合金动态压缩强度的机器学习模型优化

Ti-Zr-Nb固溶体合金具有优异的强塑性匹配和撞击释能活性，在杀爆战斗部毁伤元和聚能战斗部药型罩材料领域极具应用价值.为了实现Ti-Zr-Nb合金及类似固溶体合金的动态力学性能精准预测，并支撑战斗部材料的精准设计与成分优化，采用粉末冶金法制备了56种Ti-Zr-Nb合金，并测试了材料的动态压缩强度，在此基础上开展了Ti-Zr-Nb合金动态压缩强度预测的机器学习模型优化、主控参量筛选研究，优化后的模型实现了合金动态压缩强度的预测误差<8%，并揭示了影响合金动态压缩强度的3个关键主控参量及权重排序：Δχ>G>δ_G.采用优化后的模型成功设计了具有更高动态压缩强度的合金成分，经试验验证，所设计的材料动态压缩强度达到3 100 MPa，高于同类固溶体合金.