利用优化BP神经网络建立裂缝宽度预测模型
Drilling Fluid & Completion Fluid(2021)
摘要
裂缝性井漏问题严重威胁着钻井生产安全与进度,目前现场堵漏成功率较低,其中一个重要原因就是无法准确预测裂缝宽度,裂缝宽度认知的局限性导致难以确定堵漏的方法及材料颗粒大小.因此本文提出了利用优化BP神经网络方法建立井漏裂缝宽度预测模型,用以解决裂缝宽度预测难的问题.首先根据方差分析(ANOVA)法确定了影响裂缝宽度的相关参数,将其输入优化的BP神经网络模型进行训练,并通过样本数据拟合验证预测精度,最终测试集数据拟合直线的斜率为0.8772,截距为0.0206.另外,为了确认模型稳定性,针对裂缝宽度预测模型进行了性能评估,得出该模型确定系数(R2)0.89,平均绝对百分比误差(PCC)0.82,均方根误差(RMSE)1.35,证明该模型性能优良.最后利用现场工程数据进行进行实例预测,由结果可知,该模型具有较高的预测精度,可以在堵漏工程作业中提供较好的辅助决策.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要