基于GBDT算法的钻井机械钻速预测方法研究

• 作者: 孙俊明 王敏 苏兴华 高翔
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 机械钻速 预测 GBDT 对比实验
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 87-92
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.12.014

摘要

从已经积累的海量钻井数据中挖掘发现,精确地预测机械钻速成为了当前钻井工作的重要方向.现有的预测机械钻速的方法以实验和经验为主,成本较高、周期较长,且在多维条件约束下,已经不能很好地满足当前钻井工程的需要.针对钻速预测问题,通过对已经收集的特定区块的历史数据进行挖掘,设计并实现以GBDT算法为核心的机械钻速预测模型.同时将该方法与SVM、LR、KNN等其他机器学习算法进行比较.实验结果表明,该算法相对其他方法具有较高的准确率,可以为提高钻速提供科学可靠的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高翔	西北工业大学计算机学院	68	384	10.0	17.0
2	王敏	西北工业大学计算机学院	88	477	11.0	18.0
3	苏兴华		2	1	1.0	1.0
4	孙俊明	西北工业大学计算机学院	3	1	1.0	1.0