基于压力比符号回归的钻孔传感数据量纲一致地层压力预测

《Sensors》:Dimensionally Consistent Formation Pressure Prediction from Borehole Sensing Data Using Pressure Ratio Symbolic Regression

【字体: 大 中 小 】 时间:2026年08月29日 来源:Sensors 4.0

编辑推荐:

  地层压力标签通常以等效泥浆密度(EMW)形式存储,而工程分析需要真实压力以及能够考虑钻孔数据强深度依赖性的验证策略。本研究开发了一种量纲一致的压力比符号回归框架,其中垂向上覆岩层应力提供压力尺度,并通过参考尺度化的钻孔变量学习一个紧凑的无量纲修正项。将基于EM

  
地层压力标签通常以等效泥浆密度(EMW)形式存储,而工程分析需要真实压力以及能够考虑钻孔数据强深度依赖性的验证策略。本研究开发了一种量纲一致的压力比符号回归框架,其中垂向上覆岩层应力提供压力尺度,并通过参考尺度化的钻孔变量学习一个紧凑的无量纲修正项。将基于EMW的标签转换为MPa并应用透明的质量控制标准后,2025条深度索引记录中保留了1877条。通过相关分析、方差膨胀因子(VIF)、主成分分析(PCA)和确定性关系检查识别出冗余变量和确定性派生变量,并将其排除在紧凑符号搜索之外。采用五个连续深度块和20 m清除区进行抗泄漏验证,并在每个外部训练折内重复符号结构选择。所选四系数表达式包含一个截距和三个依赖于预测变量的项,仅保留深度和声波慢度。固定结构深度块验证得到决定系数(R2)为0.3008,均方根误差(RMSE)为3.5439 MPa,平均绝对误差(MAE)为2.6964 MPa,平均绝对相对误差(MARE)为10.02%,而保守的嵌套符号流程得到MARE = 11.60%。在来自外部井的974个样本(其中98.36%超出标定深度范围)上进行外部零样本评估,以独立的基于D指数(D-exponent)的工程压力参考(PPDX)为基准,得到R2 = 0.0265,RMSE = 7.0024 MPa,MAE = 5.5723 MPa,MARE = 11.51%。使用10个深度间隔的PPDX工程参考点进行稀疏局部重标定,并从评估中排除±20 m邻域后,在剩余564个样本上性能提升至R2 = 0.8684,RMSE = 2.8431 MPa,MAE = 2.1108 MPa,MARE = 4.39%。这些结果表明,所提框架提供了显式且可独立审计的压力方程,在显著深度域偏移下保持整体压力尺度,并可利用稀疏局部压力信息进行有效重标定。对于准确再现局部压力变化,仍需要针对具体井位进行标定。
地层压力(Pp)是井身设计、钻井液密度选择、套管设计和井控规划的基础输入。常规Eaton类与Bowers类方法基于压实和有效应力关系,具有物理可解释性,但易受卸载、成岩、岩性非均质和测量噪声影响;数据驱动模型能拟合非线性关系,但可解释性和跨数据集迁移能力有限。符号回归可给出显式数学表达式,但若不对冗余变量、深度自相关和验证方案加以控制,仍可能产生误导性结论。针对这一方法学空白,研究人员提出将垂向上覆岩层应力(σv)作为压力尺度、用参考尺度化钻孔变量学习无量纲修正项的压力比符号回归框架,并将研究发表于《Sensors》。

研究人员将等效泥浆密度(EMW)标签独立转换为MPa,施加质量控制后从2025条深度索引记录中保留1877条;通过Pearson与Spearman相关分析、确定性关系检查、方差膨胀因子(VIF)和主成分分析(PCA)排除冗余变量;构建无量纲目标λp = Pp/σv,其中Pp为地层压力、σv为垂向应力;以五个连续深度块(两侧各设20 m清除区)进行抗泄漏验证,并在每个外部训练折内重复符号结构选择。外部井数据集包含974个样本,深度范围为3200–4173 m,以基于D指数(D-exponent)的工程压力参考PPDX作为评估目标,该数据集未参与符号结构发现和原始系数估计。

4.1 最优表达式与物理解释:稳定性约束搜索最终选择包含一个截距和三个预测变量相关项的表达式,仅保留深度和声波慢度。该式与压力重建公式Pp = σvλp配合使用,σv提供压力尺度,λp为无量纲压力比。该表达式被解释为数据集标定的深度-声波修正,而非普遍物理定律。独立对1877条记录重拟合未改变任一打印系数,变化小于1.4 × 10-8。

4.2 精度与稳健性验证:固定结构五折深度块验证得到平均R2 = 0.3008 ± 0.1798,RMSE = 3.5439 ± 1.3348 MPa,MAE = 2.6964 MPa,MARE = 10.02 ± 1.40%;完整嵌套符号选择得到保守估计R2 = -0.1492,RMSE = 4.6678 MPa,MAE = 3.3997 MPa,MARE = 11.60%。100次随机80:20划分得到R2 = 0.9249,但94.4%的随机测试样本距训练样本仅1 m,故仅作为泄漏诊断。

4.3 抗泄漏深度块验证:保留区间分为1188–1671 m、1672–2064 m、2065–2464 m、2465–2839 m、2840–3215 m五个连续块,训练时剔除各留出块两侧20 m内记录。固定结构各折MARE为11.33%、9.61%、11.67%、8.58%和8.92%;嵌套选择的最差外折MARE为12.72%。该实验属于数据集内深度块验证,而非留一井验证。

4.4 约束与目标有效性验证:与旧版含0.505下限的裁剪密度式相比,所选压力比方程在同深度块下将MARE从16.83%降至10.02%,降低6.81个百分点。目标比较中,λp目标最优MARE为10.50%,EMW目标为10.57%,直接MPa目标为13.43%;输出区间[0.20, 1.05]仅作诊断,不参与结构选择。

4.5 多模型比较:在完全嵌套调参下,极限梯度提升(XGBoost)达到最低黑箱MARE = 10.51%,梯度提升(Gradient Boosting)为11.04%,随机森林(RF)为12.06%,支持向量回归(SVR)为15.85%;所选符号结构固定形式为10.02%,嵌套选择为11.60%。符号回归的主要优势是可审计显式方程,而非在所有情况下精度更高。压力误差对应平均绝对EMW误差约0.120 g/cm3,52.1%留出样本在±0.10 g/cm3内,82.2%在±0.20 g/cm3内;90%和95%分位绝对压力误差分别为6.08和7.56 MPa,适合区域筛查和局部标定剖面,而非窄泥浆窗口井控决策。

4.6 敏感性、计算成本与工程误差:4至6个深度块和0–30 m清除距离产生平均MARE约9.64–10.04%,表明对验证设置不敏感。嵌套调参总耗时方面,XGBoost约2.08 s、SVR约2.02 s、随机森林约10.41 s、梯度提升约13.19 s;符号方程几乎瞬时评估。

4.7 外部井迁移与稀疏局部重标定:锁定方程在974个外部样本上零样本结果为R2 = 0.0265、RMSE = 7.0024 MPa、MAE = 5.5723 MPa、MARE = 11.51%,平均偏差为-0.3833 MPa;低R2表明局部压力变化难以直接迁移。仅对固定符号结构的四个数值系数用5、10、20个深度间隔的PPDX参考点重标定后,10点设置使564个评估样本的MARE从11.51%降至4.39%,R2升至0.8684,RMSE = 2.8431 MPa,MAE = 2.1108 MPa;20点进一步降至3.83%,但清除区后仅剩154个评估样本。

讨论部分指出,该模型的优势在于显式、可审计、可重标定,与黑箱模型形成互补;但原始系数在外部井零样本下不能完全再现局部压力变化,需要现场特定数据。局限性包括主标定表缺少井ID、地层/岩性/采集工具和直接压力测试信息,外部参考PPDX为D指数工程压力而非直接压力测量,筛选阈值和系数为数据集标定,且尚未进行概率不确定性量化。结论部分可概括为:本研究通过将等效密度标签转换为真实压力、预测无量纲压力比、剔除冗余变量、采用抗泄漏深度块验证,并增加外部井工程参考迁移测试和稀疏局部重标定,得出以下主要结论:(1)混合公式Pp = σvλp从构造上保证量纲一致,明确σv作为压力尺度的结构角色;(2)所选方程使用参考尺度化深度和声波慢度,不含0.505下限,也不将1.05视为发现的上界;(3)固定结构在五个连续深度块上达到RMSE = 3.54 MPa、MARE = 10.02%,保守嵌套估计为RMSE = 4.67 MPa、MARE = 11.60%;(4)嵌套XGBoost达到10.51% MARE,表明黑箱精度仍具竞争力,符号回归的贡献是显式可审计方程和简便局部重标定;(5)在外部井上,锁定方程在显著深度外推下MARE = 11.51%但R2 = 0.0265,局部压力变化迁移有限;仅用10个深度间隔PPDX参考点重标定四个数值系数并排除±20 m邻域后,剩余564个样本上性能提升至R2 = 0.8684、MARE = 4.39%。这些结果支持将该符号结构用作兼容数据源上的可审计、可局部重标定的筛查和压力剖面模型,而非不变式通用预测器。未来工作将优先保留井和块标识、采集元数据、岩性标签和直接压力测试记录,开展多井留一井验证和直接压力外部验证,比较纯电缆与纯随钻测井流程,并构建标定不确定性区间。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号