摘要
由于石油钻井工程的复杂性、 不确定性及井下工作状态的隐蔽性和一些测量参数的滞后性， 再加之决策者在压力下做出判断的不可靠性， 经常导致不能及时发现钻井风险， 甚至产生重大悲剧事件。而 Ｂ Ｐ神经网络可以通过自学习、 自适应获取信息之间的内在联系机制， 有效解决了信息复杂性、 不确定性和隐蔽性的问题， 实现信息之间非线性映射， 是一种很好的多参数智能融合方法。然而以前利用 Ｂ Ｐ神经网络的钻井风险诊断方法的研究并不多见， 且只考虑了风险发生时的一些地表采集的风险征兆参数， 没有考虑引起钻井风险发生的原因。文章将风险发生的征兆参数和引起风险发生的工程力学参数结合起来运用到 Ｂ Ｐ神经网络上， 建立了融合钻井风险力因素和钻井风险征兆参数的钻井风险诊断模型来实时诊断钻井风险。这样的钻井风险智能诊断方法更具有科学性， 并且更便于钻井风险预测。
论文详情