海洋工程装备与技术

• • 上一篇    下一篇

基于机器学习的深水钻井大数据处理方法研究

 殷志明1,刘书杰1,谭扬2,李永华2   

  1.  (1.中海油研究总院有限责任公司,北京100028;2.北京邮电大学信息与通信工程学院,北京100876)
  • 发布日期:2020-04-26
  • 基金资助:
     

Research on Outlier Marking Method of Deepwater Drilling Big Data in Machine Learning 

    

  1.  (1.Key Laboratory of Deepwater Engineering,CNOOC Research Institute Ltd,Beijing100027,China;2.School of Information and Communication Engineering,Beijing University ofPosts and Telecommunications,Beijing100876,China)
  • Published:2020-04-26
  • Supported by:
     

摘要:

智能化是深水钻井技术未来研究方向,将是钻井与信息,微电子,机器人,通信网络等许多其他技术的融合。其中钻速预测与优化一直是深水钻井重要研究内容,在使用机器学习的方式进行钻速预测的过程中,数据集中离群点的存在会干扰钻速预测的准确性。本文基于钻井数据研究了常用的离群点检测算法的基本原理,以去除离群点后的数据训练得到的钻速预测模型效果作为参考,评估并分析了上述离群点检测算法应用于钻井数据中的效果,提出了一种面向钻井数据应用的离群点检测算法。验证表明,在检测到的离群点比例不变的情况下,所提方法去除离群点后训练得到了更优的模型效果,为钻井数据的实际应用奠定基础。
 

关键词:  

Abstract:  

Key words:  

中图分类号: