戴永壽，岳煒杰，2，孫偉峰，李立剛，張亞南，程佳成

（1.中國石油大學信息與控制工程學院，山東青島266580；2.中國航空油料有限責任公司北京分公司，北京100088；3.青島鼎信通訊股份有限公司，山東青島266073；4.中國石油北京銷售公司，北京100107）

“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)

戴永壽1，岳煒杰1，2，孫偉峰1，李立剛1，張亞南3，程佳成4

（1.中國石油大學信息與控制工程學院，山東青島266580；2.中國航空油料有限責任公司北京分公司，北京100088；3.青島鼎信通訊股份有限公司，山東青島266073；4.中國石油北京銷售公司，北京100107）

為解決鉆井過程中傳統(tǒng)溢流監(jiān)測實時性和可靠性差的問題，設計開發(fā)出一套“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)。該系統(tǒng)針對常規(guī)單一參數(shù)、單一手段溢流監(jiān)測實時性低、可靠性差的問題，綜合應用微流量、隨鉆壓力（pressure while drilling，PWD）以及綜合錄井3類參數(shù)，通過多參數(shù)、多手段相互印證的方式提高溢流監(jiān)測的實時性與可靠性。提出基于專家系統(tǒng)和改進的貝葉斯判別相融合的溢流等鉆井事故判別方法：當缺少訓練數(shù)據(jù)時，應用專家系統(tǒng)判別溢流等鉆井事故；當訓練數(shù)據(jù)充足時，應用專家系統(tǒng)和改進的貝葉斯判別相結合識別溢流等鉆井事故。改進的貝葉斯判別模型對于因屬性變量間不獨立而引起的誤判具有一定的抑制作用，能夠提高判別準確度，且訓練簡單，應用靈活。通過兩種算法的有機結合，優(yōu)勢互補，可以提高井控安全的智能化水平與現(xiàn)場適用性。測試實驗結果表明，該系統(tǒng)能夠實時、有效地監(jiān)測溢流等鉆井事故。

井噴；溢流監(jiān)測；專家系統(tǒng)；改進的貝葉斯判別；“三高”油氣井

井噴是鉆井過程中最為嚴重的鉆井事故［1-2］，溢流是井噴的先兆，實時準確地監(jiān)測溢流、防止井噴是安全鉆井的前提和保證。及時發(fā)現(xiàn)溢流，可避免井噴發(fā)生，減輕井噴和壓井作業(yè)對地下油氣層的傷害［3］。優(yōu)化溢流監(jiān)測方法，提高監(jiān)測的實時性和可靠性，對實現(xiàn)安全、高效、經(jīng)濟鉆井具有重要意義［4］。然而，現(xiàn)有的溢流監(jiān)測方法實時性與可靠性較差，無法滿足安全鉆井的需要。根據(jù)應用的監(jiān)測技術及參數(shù)不同，將溢流監(jiān)測方法總結為6類：利用鉆井液相關參數(shù)監(jiān)測溢流［5］；通過綜合錄井儀采集的相關參數(shù)監(jiān)測溢流［6］；聲波氣侵監(jiān)測法；基于控壓鉆井技術監(jiān)測溢流［7］；基于隨鉆井底測量技術監(jiān)測溢流［8］；分析地層巖性和孔隙度預警溢流［9］。其中，基于控壓鉆井技術監(jiān)測溢流的效果最好，但其實現(xiàn)難度較大，難以廣泛應用。其他監(jiān)測方法的實時性和可靠性難以同時達到監(jiān)測要求，或實時性較低，或可靠性較差。為提高溢流監(jiān)測的時效性，滿足鉆井安全的需要，亟需一套實現(xiàn)簡單，且實時性與可靠性較高的系統(tǒng)實現(xiàn)溢流監(jiān)測。筆者設計開發(fā)出一套“三高”（高溫、高壓、高含硫）油氣井早期溢流在線監(jiān)測與預警系統(tǒng)，該系統(tǒng)在溢流監(jiān)測方法與溢流等鉆井事故判別方法兩個方面做出改進，以提高溢流監(jiān)測的實時性和可靠性，并基于鉆井現(xiàn)場的溢流等異常事故數(shù)據(jù)完成系統(tǒng)有效性測試實驗。

1　系統(tǒng)總體方案設計

“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)結合3類溢流監(jiān)測方法（利用鉆井液相關參數(shù)監(jiān)測溢流、通過綜合錄井儀采集的相關參數(shù)監(jiān)測溢流、基于隨鉆井底測量技術監(jiān)測溢流）的優(yōu)勢，綜合微流量（鉆井液進出口流量）、隨鉆壓力（pressure while drilling，PWD）以及綜合錄井（立管壓力、大鉤負荷）3類參數(shù)應用于溢流監(jiān)測。從井底和地面兩個方位同時進行，以監(jiān)測井底環(huán)空壓力變化為基礎，并結合鉆井液進出口流量和相關綜合錄井參數(shù)的變化，在地層流體還沒有返到地面時，提前發(fā)現(xiàn)溢流，提高井噴預警的時效性。微流量數(shù)據(jù)較常規(guī)的流量數(shù)據(jù)實時性好、準確度高，能及時發(fā)現(xiàn)鉆井液流量的微小變化，可提高溢流監(jiān)測的實時性與可靠性。其中，微流量數(shù)據(jù)是以RS485串口通信的方式從高準科里奧利質量流量計獲取，PWD以及綜合錄井數(shù)據(jù)是以網(wǎng)絡通信的形式分別從PWD服務器以及綜合錄井服務器獲取。在判別方法方面，通過專家系統(tǒng)和改進貝葉斯判別兩種智能算法相融合實現(xiàn)溢流等鉆井事故的判別，其結構如圖1所示。

圖1　“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)結構圖Fig.1 Structure figure of online monitoring and warning system for kick foreboding on“three high”wells

通過上述監(jiān)測參數(shù)的變化，不僅能夠監(jiān)測溢流，還能夠實現(xiàn)井漏、放空、卡鉆、鉆具刺、斷鉆具、掉水眼以及堵水眼7種溢流相關事故的監(jiān)測。

利用VC++6.0完成該系統(tǒng)軟件的開發(fā)。

2　溢流等鉆井事故判別方法

現(xiàn)有的溢流等鉆井事故判別方法可總結為如下5種：閾值法、數(shù)學建模法、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡以及貝葉斯判別。閾值法和數(shù)學建模法實現(xiàn)簡單，應用廣泛，但其準確性較低。專家系統(tǒng)的判別準確性有所改善，但由于溢流的模糊性，專家系統(tǒng)仍不能完全準確地判別溢流。人工神經(jīng)網(wǎng)絡與貝葉斯判別均通過現(xiàn)場數(shù)據(jù)訓練得到判別模型，由判別模型給出判別結果，其判別結果相對理想。但是，貝葉斯判別比人工神經(jīng)網(wǎng)絡更能充分利用訓練數(shù)據(jù)，并具有堅實的理論基礎［10］。

在監(jiān)測過程中微流量參數(shù)、綜合錄井參數(shù)以及PWD參數(shù)的變化并非一定是由溢流引起的，如何從變化了的參數(shù)中推斷出何種異常事故所致，即變?yōu)橐粋€求后驗概率的問題，貝葉斯判別可以很好地解決這一問題。該判別方法準確性與靈敏度高，能夠對干擾進行自動判斷，并給出溢流等事故發(fā)生的概率，即選取貝葉斯判別識別溢流等鉆井事故最為合適。

貝葉斯判別的應用存在如下不足：

（1）貝葉斯判別模型需大量現(xiàn)場數(shù)據(jù)訓練得到。

（2）貝葉斯判別模型的準確性與實時性完全取決于訓練數(shù)據(jù)，忽略了先驗知識的使用。

（3）當?shù)刭|等條件改變時，訓練的貝葉斯判別模型可能產(chǎn)生一定的判別誤差，降低判別準確度。

專家系統(tǒng)能夠充分利用專家和現(xiàn)場技術人員的先驗知識且判別過程無需訓練數(shù)據(jù)，當?shù)刭|等條件改變時可以通過完善專家知識庫來提高溢流等鉆井事故的判別準確度。當前的專家系統(tǒng)雖然不能完全準確地判別溢流，但是通過專家系統(tǒng)和貝葉斯判別的有機結合，兩種方法優(yōu)勢互補，提高井控安全的智能化水平和現(xiàn)場適用性，從而能夠不斷豐富積累知識，完善系統(tǒng)性能，提高監(jiān)測的實時性和準確性。

2.1專家系統(tǒng)判別

不同工況下，溢流等鉆井事故的表現(xiàn)形式及可用的溢流監(jiān)測參數(shù)各異，所以不同工況下用于溢流等鉆井事故判別的專家知識庫和貝葉斯判別模型不同。從溢流監(jiān)測的角度出發(fā)，將鉆井工況劃分為鉆進、劃眼、坐卡、起鉆、下鉆5種狀態(tài)。

應用專家系統(tǒng)判別溢流等鉆井事故，首先根據(jù)相關知識經(jīng)驗建立知識庫，知識庫建立完成之后，通過高效、合理的推理機實現(xiàn)對溢流等鉆井事故的判別。

2.1.1知識庫的建立

針對溢流等鉆井事故的判別需要，將總結的經(jīng)驗知識通過一定的表示方式存放在知識庫中，以供推理機使用。知識庫的建立是一個重要且繁瑣的過程，其完善與否直接影響專家系統(tǒng)判別溢流等鉆井事故的實時性和準確性。

鉆進工況下，監(jiān)測參數(shù)均能夠正常獲取。劃眼工況下，井底環(huán)空壓力無法準確測量，其他監(jiān)測參數(shù)均能正常獲取。起下鉆工況下，可用參數(shù)只有鉆井液進出口流量及大鉤負荷。坐卡工況下，只能通過出口鉆井液是否溢出判別溢流。上述工況用于溢流等鉆井事故判別的知識庫可根據(jù)表1建立，其中，卡鉆是指廣義的卡鉆事故，包括縮頸卡鉆、砂橋卡鉆、坍塌卡鉆、鍵槽卡鉆、粘吸卡鉆、起鉆與卡、下鉆遇阻等。

表1　專家知識庫Table 1 Knowledge base

2.1.2推理機的設計

推理是指依據(jù)一定的規(guī)則從已有的事實推導出結論的過程。一種鉆井事故可能對應多個監(jiān)測參數(shù)的異常變化，且一個監(jiān)測參數(shù)的異常變化可能對應多種鉆井事故的發(fā)生。為消除上述不確定性，在推理過程中采用多條規(guī)則相互印證的方式得到專家系統(tǒng)的判別結果，即取被驗證為真的規(guī)則結論的交集作為專家系統(tǒng)的判別結果。應用專家系統(tǒng)判別溢流等鉆井事故的流程如圖2所示。

2.2改進的貝葉斯判別

首先分析應用傳統(tǒng)貝葉斯判別識別溢流等鉆井事故存在的問題，然后針對存在的問題對貝葉斯判別做出改進，說明改進貝葉斯判別識別溢流等鉆井事故的判別流程及判別結果的求取過程。

2.2.1傳統(tǒng)貝葉斯判別識別

應用于溢流等鉆井事故判別的貝葉斯判別模型即貝葉斯公式：

式中，ci為某種鉆井事故；X為用于溢流監(jiān)測的屬性變量集；p（ci）為某種鉆井事故發(fā)生的概率；p（X）為屬性變量集為X的概率；p（X|ci）為某種鉆井事故發(fā)生的條件下屬性變量集為X的概率，由訓練數(shù)據(jù)統(tǒng)計求得；p（ci|X）為某種鉆井事故發(fā)生概率。

圖2　專家系統(tǒng)判別溢流等鉆井事故的流程圖Fig.2 Flowchart of applying expert system to identify kick and other accidents

傳統(tǒng)的貝葉斯判別應用于溢流等鉆井事故判別的過程中仍存在如下問題：

（1）由于當溢流等事故發(fā)生時，會引起多個參數(shù)的變化，即選取的屬性變量間不獨立，這使得貝葉斯判別模型的訓練非常復雜，難以在實際工程中應用。

（2）不同鉆井事故所需監(jiān)測參數(shù)不同，且不同參數(shù)監(jiān)測異常事故的實時性和可靠性不同，應用傳統(tǒng)貝葉斯判別會產(chǎn)生冗余的屬性變量，降低判別精度。

2.2.2分級貝葉斯判別

為解決上述問題，在樸素貝葉斯判別的基礎上，提出了一種改進的貝葉斯判別——分級貝葉斯判別。分級貝葉斯判別原理與傳統(tǒng)貝葉斯判別相同，但根據(jù)不同鉆井事故的監(jiān)測需要以及監(jiān)測參數(shù)的實時性和可靠性不同，分級應用貝葉斯判別識別溢流等鉆井事故。貝葉斯判別級別由選取的屬性變量決定，且每級貝葉斯判別所識別的鉆井事故類型不同。在判別過程中，逐級確認異常，給出判別結果。

分級貝葉斯判別應用靈活，訓練簡單，對于因屬性變量間不完全獨立而引起的誤判具有一定的抑制作用，提高了判別準確度。基于分級貝葉斯判別的溢流等鉆井事故判別流程如圖3所示。

根據(jù)所選取的監(jiān)測參數(shù)，可通過四級貝葉斯判別識別溢流等鉆井事故，第一級到第四級貝葉斯判別的屬性變量分別為：鉆井液出口與入口流量之差、井底環(huán)空壓力變化率、立管壓力變化率、大鉤負荷變化率。

應用分級貝葉斯判別模型識別溢流等鉆井事故的實現(xiàn)流程如圖4所示。

圖3　基于分級貝葉斯判別的溢流等鉆井事故判別流程圖Fig.3 Identifying flowchart of kick and other accidents based on hierarchical Bayes discriminant

圖4　應用分級貝葉斯判別模型識別溢流等鉆井事故流程圖Fig.4 Flowchart of applying hierarchical Bayes discriminant model to identify kick and other accidents

第一級貝葉斯判別反映的事故有溢流、井漏、堵水眼、卡鉆，且能夠唯一確定溢流事故，但由于井漏、堵水眼以及卡鉆事故的嚴重程度不同，會導致鉆井液出口與入口流量之差的取值各異，且變化范圍較大，所以該級貝葉斯判別難以準確地唯一確定井漏、堵水眼和卡鉆事故。

第二級貝葉斯判別反映的事故有溢流、卡鉆、鉆具刺、井漏、堵水眼、斷鉆具。同樣由于各事故的嚴重程度不同，會導致井底環(huán)空壓力的異常增加或減小值不同，所以該級貝葉斯判別難以準確地唯一確定某種異常事故，只能將可能發(fā)生的異常進行分類。

第三級貝葉斯判別能夠反映的事故有堵水眼、卡鉆、溢流、鉆具刺、井漏、掉水眼以及斷鉆具。該級貝葉斯判別與第二級類似，不能準確地唯一確定某種異常事故，只能將可能發(fā)生的異常進行分類。第四級貝葉斯判別反映的事故有斷鉆具、溢流、放空、卡鉆，能夠唯一確定放空、斷鉆具以及卡鉆事故。

根據(jù)各工況下可用的監(jiān)測參數(shù)，將對應級別的貝葉斯判別組合應用，得到各工況下的分級貝葉斯判別模型。以鉆進工況為例，鉆進工況的分級貝葉斯判別模型如圖5所示。其中，F(xiàn)為鉆井液出口與入口流量之差；P、S、H分別為井底環(huán)空壓力、立管壓力、大鉤負荷變化率。其他工況（如劃眼、起下鉆、坐卡等）的分級貝葉斯判別模型與鉆進工況相類似，不再贅述。

圖5　鉆進工況下的分級貝葉斯判別模型Fig.5 Hierarchical Bayes discriminant model on drilling

2.2.3溢流等鉆井事故發(fā)生的概率

分級貝葉斯判別的結果是給出鉆井事故發(fā)生的概率，求取過程如下。

首先由下式求得各級貝葉斯判別的結果：

式中，x為屬性變量。

對于相同的屬性變量，p（x）是相同的，即每種鉆井事故的發(fā)生概率只需求取p（ci）p（x/ci）。對所有的p（ci）p（x/ci）做歸一化處理便可得到各級貝葉斯判別所求得的鉆井事故發(fā)生概率。

最終概率可以通過各級貝葉斯判別得到的概率相乘并做歸一化處理得到。

式中，p（cni/x）為第n級貝葉斯判別求得的某種鉆井事故發(fā)生的概率。

式中，p（ci/x）為鉆井事故發(fā)生的概率；s為可能發(fā)生的鉆井事故種類之和。

2.3專家系統(tǒng)和改進貝葉斯判別相融合的判別流程

通過專家系統(tǒng)和分級貝葉斯判別相融合識別溢流等鉆井事故的流程如圖6所示。

圖6　專家系統(tǒng)和分級貝葉斯判別識別溢流等鉆井事故流程圖Fig.6 Flowchart of applying expert system combining with hierarchical Bayes discriminant to identify kick and other accidents

專家系統(tǒng)和分級貝葉斯判別的融合主要體現(xiàn)在兩個方面：

（1）當缺少現(xiàn)場數(shù)據(jù)時，應用專家系統(tǒng)判別溢流等鉆井事故，并且在監(jiān)測過程中實時存儲、完善現(xiàn)場數(shù)據(jù)，為貝葉斯模型提供訓練數(shù)據(jù)。

（2）當現(xiàn)場數(shù)據(jù)充足時，通過兩種方法相結合實現(xiàn)溢流等鉆井事故的判別。

3　測試實驗及其結果分析

為驗證系統(tǒng)能夠實時、有效地發(fā)現(xiàn)溢流等鉆井事故，基于鉆井現(xiàn)場的溢流及斷鉆具事故數(shù)據(jù)進行了測試實驗。

（1）基于某口井鉆進過程中的溢流事故數(shù)據(jù)，通過“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)軟件得到該溢流事故的實驗截圖，如圖7所示。

系統(tǒng)在10∶19監(jiān)測到出口流量增加，進行溢流報警?？偝伢w積在10∶24發(fā)現(xiàn)上漲，預警時間比傳統(tǒng)的監(jiān)測總池體積的方法提前了5 min。

由于系統(tǒng)軟件只能以聲光報警的形式給出井漏、斷鉆具等事故的預警，為更加直觀形象地呈現(xiàn)實驗結果，將該系統(tǒng)軟件在Matlab中實現(xiàn)。

（2）基于某口井鉆進過程中斷鉆具事故數(shù)據(jù)，進行系統(tǒng)有效性測試的Matlab實驗分析，圖8為該斷鉆具事故實驗的關鍵曲線。

圖7　溢流事故測試實驗截圖Fig.7 Screenshot of test experiment on kick

圖8　斷鉆具事故測試實驗關鍵曲線Fig.8 Curves of test experiment on string parted

由上述曲線可知，當斷鉆具發(fā)生時，系統(tǒng)能夠實時監(jiān)測到異常，給出預警。

（3）通過某口井劃眼過程中的溢流事故數(shù)據(jù)，進行溢流等鉆井事故判別方法有效性驗證的Matlab仿真實驗分析，圖9為該溢流事故仿真實驗的關鍵曲線截圖。

系統(tǒng)在12∶06監(jiān)測到出口流量增加，進行溢流報警。總池體積在12∶11發(fā)現(xiàn)上漲，預報時間比傳統(tǒng)的監(jiān)測總池體積的方法提前了5 min。

綜上所述，“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)能夠實時、有效地監(jiān)測到溢流等鉆井事故。

圖9　劃眼中溢流事故測試實驗關鍵曲線Fig.9 Curves of test experiment on kick of reaming

4　結束語

為提高溢流監(jiān)測的實時性和可靠性，本文中設計開發(fā)了“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)。該系統(tǒng)在溢流監(jiān)測方法和溢流等鉆井事故判別方法方面做出改進，綜合應用PWD、微流量以及綜合錄井3類參數(shù)，并結合專家系統(tǒng)和改進的貝葉斯判別相融合的判別方法實現(xiàn)溢流等鉆井事故的監(jiān)測以及實驗測試。實驗結果表明，該系統(tǒng)能夠實時、有效地監(jiān)測溢流等鉆井事故。

［1］蔣希文.鉆井事故與復雜問題［M］.北京：石油工業(yè)出版社，2006：319-323.

［2］王建學，萬建倉，沈慧.鉆井工程［M］.北京：石油工業(yè)出版社，2008：298-302.

［3］劉汝山，曾義金.鉆井井下復雜問題預防與處理［M］.北京：中國石化出版社，2010：2-5.

［4］HELIO S，ERDEM C，JOE K，et al.Kick detection and control in oil-based mud：real well test results using micro-flux control equipment［R］.SPE 105454，2007.

［5］CHEMALI R E，VOLKER K，ROCCO D.Early kick detection in an oil and gas well：US，076464［P］.2007-08-22.

［6］廖明燕.鉆井過程實時狀態(tài)監(jiān)測與診斷技術研究［D］.青島：中國石油大學信息與控制工程學院，2010. LIAO Mingyan.Real-time drilling process state monitoring and diagnosis［D］.Qingdao：College of Information and Control Engineering，China University of Petroleum，2010.

［7］GRAVDAL J E，NIKOLAOU M，BREYHOLTZ Y，et al. Improved kick management during MPD by real-time pore-pressure estimation［J］.SPE Drilling&Completion，2010，54（2）：577-584.

［8］ZHOU J，NYGARRD G，GODHAVN J M.Adaptive observer for kick detection and switched control for bottom hole pressure regulation and kick attenuation during managed pressure drilling：proceedings of American Control Conference［C］.Baltimore，MD，USA：Society of Petroleum Engineers，c2010.

［9］王果，劉建華，丁超，等.控壓鉆井條件下井深結構優(yōu)化設計［J］.石油學報，2013，34（3）：545-549. WANG Guo，LIU Jianhua，DING Chao，et al.Casing program optimization with the managed pressure drilling technique［J］.Acta Petrolei Sinica，2013，34（3）：545-549.

［10］TSAY R，ANDO T.Bayesian panel data analysis for exploring the impact of subprime financial crisis on the US stock market［J］.Computational Statistics&Data Analysis，2012，56（11）：3345-3365.

（編輯 修榮榮）

Online monitoring and warning system for early kick foreboding on"three high"wells

DAI Yongshou1，YUE Weijie1，2，SUN Weifeng1，LI Ligang1，ZHANG Yanan3，CHENG Jiacheng4
（1.College of Information and Control Engineering in China University of Petroleum，Qingdao 266580，China；2.China Aviation Oil Company Limited Beijing Branch，Beijing 100088，China；3.Qingdao Topscomm Communication INC，Qingdao 266073，China；4.China Petroleum Beijing Sales Company，Beijing 100107，China）

In order to solve the problem about the poor instantaneity and reliability of early kick detection during drilling process by traditional methods，a realtime monitoring and warning system for kick foreboding on"three high"wells was designed and developed.Regarding the above defects of kick detection by conventional means in which only one parameter or one mode was used，the method makes use of three parameters which include micro-flux，pressure while drilling（PWD）and comprehensive logging parameters，and applies the multi-parameter and multi-means to cross-verify and improve the instantaneity and reliability of kick detection.An identification method based on expert system in combination with the improved Bayes discriminant was proposed.If lacking of training data，the method applies expert system to identify kick and other accidents；otherwise it applies expert system combining with the improved Bayes discriminant to identify kick and other accidents.The improved Bayes discriminant model can reduce the misjudgment caused by the attribute variables which are not independent completely，and thus improve the identification accuracy.The application is more flexible，and the training iseasier.The combination of the two kinds of intelligent algorithms，whose advantages are complementary can improve significantly the intelligent level and applicability.The verification tests show that the system can detect kick and other accidents instantaneously and effectively.

blowout；kick detection；expert system；improved Bayes discriminant；"three high"wells

TE 28

A

1673-5005（2015）03-0188-07

10.3969/j.issn.1673-5005.2015.03.027

2014-09-12

國家自然科學基金項目（40974072）；中石油“十二五”科技攻關項目（2014D-4601）

戴永壽，男（1963-），教授，博士生導師，從事鉆井安全信息技術應用與開發(fā)領域的研究。E-mail：daiys@upc.edu.cn。

引用格式：戴永壽，岳煒杰，孫偉峰，等.“三高”油氣井早期溢流在線監(jiān)測與預警系統(tǒng)［J］.中國石油大學學報：自然科學版，2015，39（3）：188-194.

DAI Yongshou，YUE Weijie，SUN Weifeng，et al.Online monitoring and warning system for early kick foreboding on"three high"wells［J］.Journal of China University of Petroleum（Edition of Natural Science），2015，39（3）：188-194.