基于改進PSO-SVM的鉆井液侵入儲層深度預測

作者：陳飛

摘要：開展鉆井液侵入儲層深度預測,對于測井評價以及提高油井產能具有一定的現實意義。在分析鉆井液侵入儲層的機理和特征的基礎上,提出了鉆井液侵入儲層的影響因素指標體系,建立了改進PSO-SVM的鉆井液侵入儲層深度預測模型,以塔里木塔中35口井為例進行了實證分析,并與傳統BP神經網絡和SVM模型預測結果進行了對比。研究結果表明:侵入深度與泥餅的滲透率、鉆井液與儲層壓差以及侵入時間正相關,與儲層孔隙度和鉆井液粘度負相關,改進的PSO-SVM模型預測結果誤差小,準確率高,能夠用于鉆井液侵入儲層深度預測,具有廣泛的應用前景。

發文機構：大慶鉆探工程公司鉆井一公司

關鍵詞：支持向量機鉆井液預測污染Support Vector MachineDrilling fluidPredictionDamage

分類號： TE254.1[石油與天然氣工程—油氣井工程]