共查询到20条相似文献,搜索用时 31 毫秒
1.
岩性识别是储层评价中的一项重要工作。随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向。随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数。由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息。对此,本文将随机树嵌入引入随钻测井资料的岩性识别。该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力。对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F1值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法。 相似文献
2.
针对地质钻进过程中钻遇对象未知且复杂多变、钻进事故频发的现状,采用数字孪生技术,构建了基于时序数据驱动的地质钻探数字孪生模型体系,用以满足随钻探测、工况识别、钻速优化等实际需求。将监测到的地表设备、随钻测量、钻进工艺等数据按照时间序列分解为事前数据、实时数据、延时数据和迟到数据,利用物联网技术将这些多源异构数据进行处理,采用时序数据进行特征分析,基于事前数据建立典型工况,实时数据进行随钻预测和钻进过程工况识别,延时数据和迟到数据演进融合进行钻后优化,建立了数字孪生智能钻进周期服务平台,平台设计了设备物理层、虚拟模型层、数据处理层及钻探服务层4层交互系统,实现钻前、钻中、钻后全数据的全过程集成融合,达到了钻进系统参数最优化配置和安全高效钻探的目的。基于上述平台,利用Unity3D软件开发了数字孪生智能钻进原型系统,实现了钻前设备的数字化设计、钻进过程孔内三维可视化和钻进过程参数实时监测与控制的功能。结果表明,基于时序数据构建的数字孪生模型可有效提高钻进过程的效率和可靠性。研究结果为智能钻探优化提供了全新的路径和方法,有望在煤炭、石油、天然气、页岩气等钻探领域实现工程应用。 相似文献
3.
利用钻进参数仪实时地对采集到的数据进行关联分析,从而指导调整钻压、转速、泵量、使钻进速度达到最优值。推导出以关联分析的算法,及程序编写流程,并通过某孔的实际应用,介绍了用钻进参参数仪实时优化钻进参数的方法和效果。 相似文献
4.
本人在借鉴前人成果并结合施工经验的基础上,系统总结了砂卵石地层与非开挖钻进施工的适应性,对非开挖钻进施工中出现的问题进行了归纳和分类,并对其原因进行了分析和探讨。同时,为了解决非开挖导向钻进在复杂地层特别是砂卵石层中的施工难题,考虑采用注浆预加固技术对砂卵石层进行预先加固,以提高其强度,保证非开挖导向钻进的顺利进行。更进一步地,对水平孔中注浆预加固的三种方法(垂直注浆法、导管注浆法、随钻注浆法)在导向钻进工程中的概念、适用范围、优缺点以及实施控制要点等进行了对比和研究。 相似文献
5.
非开挖HDD技术被广泛应用于给排水、电力、通信、油气等领域的新管道敷设和既有管线修复中。当在浅部地层以及上覆地层应力较小的区域进行HDD施工时,易出现“溢浆”现象。本文结合国内外“溢浆”防控技术研究现状,对德国某公司的孔内新型射流泵系统在非开挖工程中的应用进行了论述。该系统利用在近钻头位置安装的高压射流泵系统收集前端钻头扩孔后形成的钻屑,从而减少钻孔环状空间的钻屑含量。系统主要由钻屑收集装置、射流泵体和连接装置3部分组成,可实现98%左右孔内钻屑的清理。根据工程需要,可采用清孔、软土扩(清)孔、组合以及管道回拉等4种模式进行工程作业。工程实践表明,采用该系统后单日最长掘进长度达到122 m。同时提出了存在的问题:由于小直径复杂地层钻进中易出现钻屑团积,从而对筛格产生堵塞。在管道回拉模式中,如何改变钻屑返排的回路等问题仍是该系统在应用中亟待解决的关键问题。 相似文献
6.
煤矿坑道钻进施工环境恶劣、复杂的煤层结构和繁杂的操作工序造成钻进效率低、钻进成本高。开展煤矿坑道钻进过程优化与控制技术的研究势在必行。围绕煤矿坑道钻进控制过程关键技术,从含煤地层岩性智能识别、钻进参数智能优化和智能控制3方面展开。首先,为了准确判断含煤地层类型,建立基于BP-Adaboost的含煤地层岩性智能识别模型。然后,在不同含煤地层条件下,建立基于机械比能和钻速的智能优化模型,为司钻人员提供最优给进压力和转速参考值。进而,提出一种基于模糊PID的给进压力控制策略,实现给进压力的有效控制。最后,基于煤矿坑道钻机智能钻进系统在淮南矿区某煤矿井下进行了现场试验。试验结果表明:所提含煤地层岩性智能识别方法的识别准确率达到96.75%;智能优化方法显著提升现场钻速,消耗的机械比能降低,在提高钻进效率的同时降低了钻进成本;给进压力控制策略使给进压力稳定运行在最优值附近,减小给进系统超调的同时,提升系统的响应速度,使给进压力的动态响应更加平稳。煤矿坑道钻进过程智能优化与控制技术能够保障钻进过程安全高效运行,促进煤矿坑道钻进技术智能化发展。 相似文献
7.
在非开挖水平定向钻进过程中,泵量与钻进速度是2个关键施工参数,泵量与钻速匹配与否将直接影响钻进成孔质量和施工进度,而国内外对这方面的研究较少,没有形成成熟的理论体系,现场施工大多靠经验来估算取值。运用数学解析方法,并考虑钻屑含量的影响,建立泵量与钻速相匹配的计算模型,再结合现场实测数据进行验证。实践表明该模型比较符合实际,对现场施工有一定的指导意义。 相似文献
8.
传统的超前钻探地质预报常以某个钻进参数的变化率作为地层识别的主要依据。钻头破岩是一个复杂的力学过程,应考虑多个参数的协同作用,仅采用单钻进参数识别地层的不确定性较大。首先,对超前钻探数据进行预处理,包括标准化、频数分布分析和敏感性分析,筛选出对地层变化敏感的关键钻进参数;其次,基于能量守恒、二元无序逻辑回归分析和多参数变异性分析原理分别建立了破岩能量、逻辑回归概率和地层硬度3种地层识别综合指标;最后,采用基于贝叶斯原理的概率分类方法建立地层识别模型,利用ROC分析方法得到模型参数,实现基于多钻进参数和概率分类方法的地层识别。以地质条件复杂的隧道工程为例,介绍了该地层识别方法的应用,结果表明:3种地层识别综合指标均具有较好的跨孔地层识别能力,识别准确率超过80%;破岩能量和逻辑回归概率指标适用于较近距离的跨孔地层识别,平均识别准确率分别为86.3%和84.1%;逻辑回归概率指标对软弱夹层识别能力较强,准确率达到94.2%;地层硬度指标适用于较远距离的跨孔地层识别;灰岩识别准确率最大达到93.2%。 相似文献
9.
为满足随钻方位伽马地质导向钻进需求,通过数值模拟研究围岩厚度和吸收系数不同情况下伽马射线强度响应值。模拟分析伽马探测器在含放射性地层条件下,伽马测量值API反映空间物理特征的差异性。在此基础上,建立八扇区随钻方位伽马钻进煤、泥、灰岩3层地质模型,模拟钻进煤层顶底板识别过程。模拟结果表明:当岩层吸收系数由0.08变为0.10时伽马射线强度减小一半,伽马幅度变化能够反映钻进地层岩性,而上下伽马变化顺序能够指示穿越煤层顶板或底板及分界面所在位置;当小角度穿层时,探测器到钻头的距离分别为1、3、7 m时,能够监测前方钻进8、6、2 m地层物性的变化。顺层钻进模拟可为地质导向工程提供技术指导,提高钻进效率减少无效进尺。 相似文献
10.
可靠地识别掌子面前方地层是保证隧道工程稳定与安全的重要因素之一。传统的超前地质预报方法不能同时保证有高识别精度、低实施成本和占用少的施工时间,对于不同地质情况的地层识别通用性不强。在传统超前钻孔的同时获取掌子面前方围岩钻探测试数据,实时获取不同深度岩层情况,将大大提高超前预报效率,方便快捷,不影响施工,但目前缺乏客观、准确的地层识别方法。提出了一种基于神经网络的钻探测试数据智能分析和地层识别方法,对楚大高速公路九顶山隧道超前钻探测试数据进行了深入分析,通过隧道开挖后所揭示地层对分析方法进行了验证。结果表明:单一钻进参数用于地层识别的错误率在35%左右,打击能和打击数、送水压力和送水流量的参数组合不能显著提升地层识别准确率;钻进速度、扭矩、回转数、推进力的参数组合可降低地层识别错误率至22%。在神经网络模型中引入钻进参数的标准差,可大幅降低错误率,可使地层划分错误率下降9%~12%;多参数组合下的神经网络钻探测试神经网络模型对随机抽样的地层识别错误率小于10%,对单个钻孔的地层识别错误率小于14%。 相似文献
11.
论文针对地质勘探取心工况复杂、钻进深度大、事故发生率高、岩性复杂、钻进参数难以获取、无法实时掌握钻进状态的难题,在充分调研现有工况识别技术的采集原理、功能种类、现场实测的基础上,结合钻探智能化、自动化的发展方向,运用硬件与软件结合的思想,设计了实时测量钻探参数的方案。论文首次提出使用DBSCAN(针对噪声空间基于分布密度进行聚类的算法)密度聚类法分析钻进参数,结合光电编码器增量的正负性进行工况判别,以获取钻头位置以及钻孔深度。该方案可以判别钻进状态,获取钻进工艺参数,将测量数据作为所钻地层的可钻参数来反演地层。钻机的自动化、智能化研究能获取大量地层资料,有利于推进钻进工艺学发展,实现从经验钻探到智能钻探进的突破。同时,为智能钻进系统奠定基础。 相似文献
12.
13.
14.
工程地球物理勘探随钻测量钻机的研制 总被引:3,自引:0,他引:3
为提高我国工程地质勘察钻机的技术水平,研制了JDD-100型全液压动力头式工程地球物理勘探多功能钻机。钻机具有静力触探、动力触探、回转钻进、高频振动回转钻进等功能,配有钻进参数检测和自动钻进控制系统,可随钻检测9个钻进参数,并可随钻测量地层密度、地层电阻率等地球物理参数。根据回转动力头的结构和液压马达的工作特性,研制了适用于全液压钻机的输出扭矩检测方法。经实验,钻机对黏土层、卵砾石地层、破碎层的适应性较好,复杂地层的勘察速度提高1.5倍。 相似文献
15.
16.
17.
18.
19.
传统的岩性识别以钻井取心、钻井曲线和岩石图像等方法为主,这些识别方法对地质和识别条件要求较高,且不能满足随钻实时识别。为此,本文提出一种新的基于声波信号的岩性智能分类方法。该方法首先基于所采集钻头与岩层碰撞得到的音频数据,通过数据增强技术解决数据稀疏问题;然后采用基于CGRU(CNN+GRU,卷积神经网络+门控循环单元)的深度学习模型,对采集到的3种岩性的岩石音频数据进行深度学习与训练。为提高该模型在复杂背景下的识别能力,引入注意力机制模型进行优化。注意力机制模型可以在复杂环境下对岩性信息实现重点学习,提高模型识别性能。实验结果表明,与GMM(高斯混合模型)-SVM(支持向量机)、CNN和CGRU模型相比,CGRU-AttGRU(注意力机制模型+GRU)混合模型准确率达81.17%左右,在GMM-SVM、CNN和CGRU模型基础上分别提升了13.31%、9.99%和5.93%。 相似文献
20.
一个好的钻进参数实时采集与处理系统,有助于钻井技术人员对井下工况分析、技术决策、事故的预防与处理等。鉴于神开SK-DLS2000综合录井仪系统的钻进参数处理模块的功能滞后于现场钻探专家的需求,提出基于SK-DLS2000综合录井仪的钻进参数实时采集与开发思想,阐述了SK-DLS2000综合录井仪的钻进参数实时采集与开发的3个关键技术:数据接口的实现、数据文件存储管理、钻进参数曲线实时绘制及滚动浏览的实现,并利用该技术思想,成功开发出了一套"科钻一井钻进参数实时采集与处理系统"。 相似文献