一种基于集成学习算法的井斜角度预测方法技术

本发明专利技术公开了一种基于集成学习算法的井斜角度预测方法，其运用机器学习中的SVR学习器模型、神经网络回归算法学习器模型、随机森林回归算法学习器模型和高斯回归算法学习器模型，对某一口井的已钻井眼轨迹数据、钻进方式和底部钻具结构参数等组成的学习样本进行学习，训练上述四个学习器模型，分别预测该井井底盲区井斜角，然后将训练结果与目标值进行线性回归，得出最终预测结果。通过对实钻数据的验证结果表明，本发明专利技术的方法预测精度高，有效地降低了传统定曲率外推法预测井底井斜的误差，提高预测井斜角的准确性。

【技术实现步骤摘要】
一种基于集成学习算法的井斜角度预测方法
本专利技术属于石油、天然气钻井设备
，尤其是应用于旋转导向系统
的一种基于集成学习算法的井斜角度预测方法。
技术介绍
近年来，由于近钻头井下随钻测量技术难度大、成本高，基本由三大石油公司垄断，目前国内主要使用MWD、LWD无线随钻仪器，测点位置距离钻头8-20m，因此测量点的数据不能正确反映钻头位置的实际井眼状况，给井眼轨迹的预测和控制带来一定的困难。在传统的井眼轨迹预测当中，涉及钻井施工的影响参数数量众多，并且井下地层参数复杂数据收集困难，运用传统的力—位移模型计算方法较难实施，而几何法预测井眼轨迹的精度又不高。所以为了确保钻井生产的安全，急需一种既简单可行又准确可靠的井眼轨迹预测方法。国外方面，首先BradleyWB和FischerFJ第一次应用有限差分法研究了在直井和定向井中钻柱的二维状态；WalkerBH和FriedmanMB于20世纪70年代应用数学弹性理论中的弯曲扭转杆件理论提出了一个井底钻具组合的三维静态模型，并对此模型进行了分析。他们得到的结论很重要，它证明了二维钻柱分本文档来自技高网...

【技术保护点】
1.一种基于集成学习算法的井斜角度预测方法，其特征在于，包括以下步骤：/n步骤1、采集已钻井眼的井眼轨迹参数；/n步骤2、对已钻井眼的井眼轨迹参数进行主成分分析，优选参数特征分量，得出优选的训练样本；/n步骤3、建立非线性回归基学习器模型，其中非线性回归基学习器模型包括四个基学习器模型且分别为支持向量机回归算法学习器模型、神经网络回归算法学习器模型、随机森林回归算法学习器模型和高斯回归算法学习器模型，基于迭代算法分别对训练样本集进行学习得到每个基学习器模型的权值参数，然后利用各自的基学习器模型计算得到每个基学习器模型的预测结果；/n步骤4、将四个基学习器模型的预测结果与目标值构成新训练样本，利...

【技术特征摘要】
1.一种基于集成学习算法的井斜角度预测方法，其特征在于，包括以下步骤：
步骤1、采集已钻井眼的井眼轨迹参数；
步骤2、对已钻井眼的井眼轨迹参数进行主成分分析，优选参数特征分量，得出优选的训练样本；
步骤3、建立非线性回归基学习器模型，其中非线性回归基学习器模型包括四个基学习器模型且分别为支持向量机回归算法学习器模型、神经网络回归算法学习器模型、随机森林回归算法学习器模型和高斯回归算法学习器模型，基于迭代算法分别对训练样本集进行学习得到每个基学习器模型的权值参数，然后利用各自的基学习器模型计算得到每个基学习器模型的预测结果；
步骤4、将四个基学习器模型的预测结果与目标值构成新训练样本，利用lasso线性回归算法学习器模型对新训练样本进行训练，基于迭代算法对新训练样本集进行学习得出四个基学习器模型的权值；
步骤5、根据集成预测步骤、基于每个基学习器模型的权值，利用lasso线性回归算法学习器模型将每个基学习器模型的预测结果集成得到最终预测结果。


2.根据权利要求1所述的一种基于集成学习算法的井斜角度预测方法，其特征在于，所述已钻井眼的井眼轨迹参数包括各测点的井斜角、方位角、井斜变化率、方位变化率、狗腿度、井眼曲率、平均工具面角度、测点间距、钻进方式。


3.根据权利要求1所述的一种基于集成学习算法的井斜角度预测方法，其特征在于，对所述训练样本中的输入参数数据进行规范化处...

【专利技术属性】
技术研发人员：宋晓健，张所生，张爱兵，徐红国，穴强，周洪林，宋晓晖，董晨曦，陈立震，王栋，王涛，毕雨萌，鲍伟伟，刘勇，
申请(专利权)人：中国石油集团渤海钻探工程有限公司，中国石油天然气集团有限公司，
类型：发明
国别省市：天津;12