基于井下参数的SCNGO-SVM卡钻预警方法研究

作     者：张涛 夏鹏 李军 王彪 詹家豪 Zhang Tao;Xia Peng;Li Jun;Wang Biao;Zhan Jiahao

作者机构：北京信息科技大学自动化学院 北京信息科技大学高动态导航技术北京市重点实验室 现代测控技术教育部重点实验室 中国石油大学(北京)石油工程学院 

出 版 物：《石油机械》 (China Petroleum Machinery)

年 卷 期：2025年第53卷第1期

页      面：20-27,36页

学科分类：0820[工学-石油与天然气工程] 082001[工学-油气井工程] 08[工学] 

基　　金：国家自然科学基金重大科研仪器项目“钻井复杂工况井下实时智能识别系统研制”(52227804) 国家自然科学基金面上项目“底部钻具高频扭转振动响应机理及识别方法研究”(52274003) 国家自然科学基金青年科学基金项目“干热岩储层双重介质射孔簇内复杂多裂缝起裂及扩展机理研究”(52104001) 

主　　题：卡钻预警模型 北方苍鹰优化算法 性能测试 折射反向学习策略 正余弦策略 

摘      要：针对卡钻风险预测的问题,提出了一种融合正余弦和折射反向学习的北方苍鹰优化算法(SCNGO)和支持向量机(SVM)的卡钻预警模型。针对北方苍鹰优化算法(NGO)容易陷入局部最优以及初始解的分布具有随机性和非均匀性的特性,引入折射反向学习策略初始化北方苍鹰算法个体、正余弦策略替换原始苍鹰算法的勘察阶段的位置更新公式和正余弦策略的步长搜索因子进行改进,将SCNGO用于SVM寻参,并将模型SCNGO-SVM应用于卡钻预警。研究结果表明:SCNGO在收敛速度、寻优精度等方面明显优于NGO、WOA(鲸鱼优化算法)及SSA(麻雀优化算法);该卡钻预警模型对于卡钻的预测准确率高达97.33%,相较于WOA-SVM、NGO-SVM、SSA-SVM卡钻预警模型,在预测准确率和运算速度上均有较大的提升。该模型为卡钻的预测及其工程应用提供了理论指导。