-
题名基于数据模型协作的海上钻井溢流早期预测预警
- 1
-
-
作者
杨向前
张苹茹
武胜男
张来斌
李中
冯桓榰
无
-
机构
中海石油(中国)有限公司北京研究中心
中国石油大学(北京)安全与海洋工程学院
油气生产安全与应急技术应急管理部重点实验室
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第4期93-100,共8页
-
基金
国家重点研发计划资助项目(2022YFC2806504)
中海石油(中国)有限公司北京研究中心科研资助项目(CCL2022RCPS2008XNN)。
-
文摘
为防止海上钻井过程中井喷事故的发生,提出基于数据模型协作的海上钻井溢流早期预测预警方法。首先,建立基于粒子群优化(PSO)-最小二乘支持向量机(LSSVM)(PSO-LSSVM)的溢流风险预测模型,预测钻井监测参数未来时长内的趋势,并分析溢流事件与表征参数之间的关联关系;然后,建立基于朴素贝叶斯方法的钻井单参数溢流概率估算模型,并通过优化的D-S方法融合多个钻井参数的概率,分级预警溢流事件。结果表明:基于PSO-LSSVM的预测模型所得的溢流表征参数,预测误差较低;因对溢流事件的敏感度不同,单钻井参数所表征的溢流事件概率存在一定偏差;融合后的预警模型能够解决单参数的预警时间不一致的问题,排除误报警的可能。
-
关键词
数据模型协作
钻井溢流
早期预测
粒子群优化(PSO)-最小二乘支持向量机(LSSVM)(PSO-LSSVM)
预警模型
-
Keywords
data model collaboration
drilling overflow
early prediction
particle swarm optimization(PSO)-least squares support vector machines(LSSVM)(PSO-LSSVM)
early warning models
-
分类号
X937
[环境科学与工程—安全科学]
-
