Нейросетевое Прогнозирование Реологических Параметров Бурового Раствора

Abstract

Актуальность исследования обусловлена тем, что дифференциальные прихваты являются одной из самых сложных аварий во всей технологической цепочке строительства нефтяных и газовых скважин. Качественный и правильно подобранный буровой раствор с оптимальной для конкретных условий бурения реологией является одним из определяющих факторов предупреждения дифференциальных прихватов. Цель: разработка нейросетевой реологической модели бурового раствора на основе его компонентного состава и результатов периодических замеров выходных параметров промывочной жидкости. С помощью нейронной сети можно достаточно точно и быстро прогнозировать значения реологических свойств раствора, которые оказывают существенное влияние на возникновение и предотвращение дифференциальных прихватов. Объектом исследования являются нейросетевые реологические модели бурового раствора, буровые растворы, состав которых оказывает влияние на реологические свойства и на возможность предотвращения дифференциальных прихватов бурильной колонны в процессе сооружения скважины. Методы: нейросетевая модель различающихся по числу и составу входных параметров буровых растворов.Результаты. Дано описание процесса обучения трех нейронных сетей на основе оперативных данных, получаемых на приборах для замера параметров бурового раствора. Предложено шесть типов буровых растворов, которые являются оптимальными для конкретных геологических условий. Введение в состав бурового раствора с высокой смазывающей способностью нанодисперсной меди и алюмината калия способствует уменьшению коэффициента трения, повышению ингибирующей способности раствора, уменьшению водоотдачи и, как результат, резкому уменьшению дифференциальных прихватов в процессе сооружения скважин на углеводородное сырьё.