基于随机森林的溢漏实时判断方法研究

 Study on How to Determine Kicks and Losses in Real Time on Basis of Random Forest Method

史肖燕 周英操 赵莉萍 蒋宏伟

SHI Xiaoyan ZHOU Yingcao ZHAO Liping JIANG Hongwei

在钻井过程中，对溢流、漏失作出及时准确的判断具有重要意义。文章采用以数据为驱动的机器学习算法—随机森林方法，来对溢流、漏失进行实时识别判断。基于随机森林的溢漏实时判断方法包括：综合钻井实时测量数据和井史数据生成溢流、漏失原始数据集；对溢流、漏失原始数据集进行预处理；采用自助法采样技术生成溢流、漏失训练数据集；对每个训练集，采用分类回归树算法生成分类树；对新的实时数据，利用已生成的分类树的投票结果判断是否有溢流、漏失发生。现场实例显示，通过对钻井实时测量数据的合理预处理，结合随机森林的方法，溢流、漏失可在早期被准确识别。同时，由于随机森林可以处理大量的特征数据（输入数据），并可在决定类别时，评估特征的重要性；利用随机森林对初选的特征进行重要性分析，结果表明，钻井液流入流出差对于溢流、漏失的判断具有重要影响。