来源：期刊VIP网 时间：
作者：朱亮;李晓明;纪慧;楼一珊;
单位：油气钻完井技术国家工程研究中心(长江大学);油气钻采工程湖北省重点实验室(长江大学);中国石油川庆钻探工程有限公司;
摘要：在制定深部地层钻进提速方案时，对地层可钻性进行钻前预测是十分必要的，现有的岩石可钻性预测方法精度低，难以满足钻井设计的要求。为此，提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明：所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短，预测值与实际测量值误差最小，拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R~2为0.966,其RMSE和MAPE最小，R~2最大，较其他模型预测精度更高。该方法为地层参数预测提供了新的途径，能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。
关键词：深部地层钻探;;岩石可钻性;;预测模型;;栈式自动编码器;;LSTM神经网络;;深度学习
基金资助：“十三五”国家科技重大专项(2016ZX05061-009);; 油气钻完井技术国家工程研究中心科学研究基金项目(NERCDCT202319)
