基于钻井难易度信息的ROP预测与参数优化在复杂地层中的应用

《Scientific Reports》：Drillability-informed ROP prediction and parameter optimization in complex formations

　　

摘要

穿透率（ROP）是评价复杂地层中钻井效率的关键指标，直接影响钻井时间和成本。在非均质地质条件下，地层可钻性的变化以及钻井参数与地层特征之间的不匹配会降低破岩效率，从而限制穿透率。本研究开发了一个基于可钻性信息的框架，该框架整合了地层特征分析、穿透率预测和钻井参数优化。通过小波去噪和归一化处理多源钻井及测井数据，并利用互信息选择有信息量的变量。地层可钻性通过可钻性等级、脆性指数和强度梯度指数进行量化，然后采用K均值聚类方法将地层分为三个工程导向的类别，而非传统的地质层。接着构建了一个名为CTFusion-Net的受限融合神经网络，该网络结合了受物理原理启发的计算单元特征、并行CNN–TCN特征提取以及在定量定义的有效钻井范围内的局部单调性正则化。在独立测试井中，CTFusion-Net的均方根误差（RMSE）为0.244米/小时，平均绝对误差（MAE）为0.197米/小时，决定系数（R2）为0.943。与基于CNN的模型相比，RMSE和MAE分别降低了45.8%和39.6%。消融分析进一步表明，当保留CU特征时，单调性正则化将单调性违规比例从13.1%降低到5.8%，同时略微提高了预测精度。在参数优化方面，使用Grasshopper优化算法在实地确定的操作范围内优化了钻头重量和旋转速度。在25次独立测试中，该算法使模型预测的穿透率提高了26.94±0.63%，均方误差（MSE）降低了12.36±0.38%，优于所研究的差分进化（Differential Evolution）和双重退火（Dual Annealing）算法。所提出的工作流程为表征依赖可钻性的钻井响应和识别有潜力的参数组合提供了一种综合性方法。报告中的改进结果展示了基于模型的离线优化潜力，但在应用于其他地层之前，还需要进一步的实地验证和局部校准。