-
题名基于可解释性机器学习的ECD敏感性分析与预测技术
被引量：1
- 1
-
-
作者
马磊
周波
张宁俊
杨恒
蔡新树
刘征
徐同台
-
机构
中国石油塔里木油田分公司
昆仑数智科技有限责任公司
北京石大胡杨石油科技发展有限公司
-
出处
《钻井液与完井液》
CAS
北大核心
2023年第5期563-570,共8页
-
文摘
当量钻井液循环密度(ECD)计算过于繁琐耗时,且其敏感性规律尚未得到明确认识。为此,采用ProHydraulic软件对克深区带的1928个数据点进行分析,以确定ECD的理论值,并建立了相关的特征参数。同时,利用可解释性机器学习方法SHAP对钻井液特性、钻进参数和环空容积等关键因素进行了敏感性分析。最终,利用线性回归构建克深区带计算ECD的经验公式,涵盖了12个主要特征参数。结果表明,该模型表现优异,测试集决定系数达到0.963,平均绝对误差仅为0.04,为实际工程应用推出了简明、高效的经验公式。
-
关键词
ECD
敏感性分析
可解释性机器学习
线性回归模型
-
Keywords
ECD
Sensitivity analysis
Interpretable machine learning
Linear regression model
-
分类号
TE254
[石油与天然气工程—油气井工程]
-
