張維罡(東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院，黑龍江 大慶 163318)

0 引言

石油行業(yè)是一個(gè)涉及了多個(gè)學(xué)科的綜合性工業(yè)領(lǐng)域，而在石油鉆井領(lǐng)域中，減少成本，提高效率是所有人長(zhǎng)期研究的課題。在如今信息化的時(shí)代，如何將傳統(tǒng)的石油鉆井項(xiàng)目與機(jī)器學(xué)習(xí)等創(chuàng)新型技術(shù)結(jié)合，建立數(shù)字化油田，是石油工作者目前工作的重點(diǎn)之一。本項(xiàng)目計(jì)劃通過(guò)對(duì)鉆井過(guò)程中的數(shù)據(jù)進(jìn)行分析，使得機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等創(chuàng)新型項(xiàng)目在鉆井領(lǐng)域獲得初步應(yīng)用，對(duì)鉆井速度進(jìn)行優(yōu)化。

1 系統(tǒng)總體架構(gòu)設(shè)計(jì)

數(shù)據(jù)選擇模塊是對(duì)鉆井過(guò)程中獲得的參數(shù)進(jìn)行篩選，該模塊主要內(nèi)容包括以下兩點(diǎn)：第一是對(duì)比不同井的鉆井?dāng)?shù)據(jù)，選擇出數(shù)據(jù)量最大，參數(shù)最多，時(shí)間最長(zhǎng)的一組鉆井?dāng)?shù)據(jù)。第二是對(duì)鉆井的參數(shù)進(jìn)行對(duì)比，刪除在整個(gè)鉆井期間都維持不變的靜態(tài)參數(shù)，并且把鉆速為空的時(shí)間段刪除。最終，數(shù)據(jù)選用2021年美國(guó)開(kāi)源鉆井?dāng)?shù)據(jù)，井號(hào)為16a_32，數(shù)據(jù)是2020年10月25日到11月4日每隔10秒收集一次的鉆井?dāng)?shù)據(jù)，有32個(gè)參數(shù)，大約56萬(wàn)條數(shù)據(jù)。

2 數(shù)據(jù)清洗模塊設(shè)計(jì)

數(shù)據(jù)清洗模塊的目的為解決數(shù)據(jù)的質(zhì)量問(wèn)題。例如比如數(shù)據(jù)部分缺失、特征無(wú)效等。該模塊主要工作為以下兩點(diǎn)：第一，刪除無(wú)關(guān)的數(shù)據(jù)，即剔除掉那些對(duì)于模型的實(shí)驗(yàn)結(jié)果無(wú)關(guān)的數(shù)據(jù)，例如鉆頭直徑這樣的數(shù)據(jù)；第二，刪除特征值全為空或?yàn)?的數(shù)據(jù)。在鉆井過(guò)程中，可能存在記錄時(shí)出現(xiàn)錯(cuò)誤導(dǎo)致沒(méi)有記錄的情況，這些參數(shù)就會(huì)為空，可以認(rèn)為其是無(wú)效參數(shù)，可以在數(shù)據(jù)中刪除。通過(guò)數(shù)據(jù)選擇模塊，可以保證實(shí)驗(yàn)時(shí)的鉆井?dāng)?shù)據(jù)的數(shù)據(jù)質(zhì)量，為接下來(lái)的實(shí)驗(yàn)做鋪墊。

3 離群點(diǎn)模塊設(shè)計(jì)

離群點(diǎn)指的是那些間隔較遠(yuǎn)、明顯偏離其他數(shù)據(jù)點(diǎn)的樣本點(diǎn)。其作用為檢測(cè)并處理數(shù)據(jù)中存在的離群點(diǎn)。在數(shù)據(jù)分布上，普通樣本平時(shí)聚集在一小塊區(qū)域，而離群點(diǎn)的分布則比較稀疏，并且與其他樣本點(diǎn)相距比較遠(yuǎn)。所以需要對(duì)離群點(diǎn)進(jìn)行檢測(cè)與刪除的工作。

于是得出結(jié)論，即該模塊中主要進(jìn)行三部分工作：(1)通過(guò)運(yùn)用單元的3&離群點(diǎn)算法與MAD離群點(diǎn)算法進(jìn)行模型運(yùn)算，通過(guò)rmse的得分進(jìn)行對(duì)比，從單元離群點(diǎn)算法中選擇出實(shí)驗(yàn)效果較好的算法。(2)通過(guò)運(yùn)用多元離群點(diǎn)檢測(cè)算法，例如：Isoliation Forest、Local outlier Factory、Elliptyc envelop等 算 法進(jìn)行比較與選取，選出多元離群點(diǎn)檢測(cè)算法中實(shí)驗(yàn)效果較好的一個(gè)算法。(3)將多元離群點(diǎn)檢測(cè)算法中實(shí)驗(yàn)效果較好的那一個(gè)與單元離群點(diǎn)檢測(cè)算法中實(shí)驗(yàn)效果較好的那一個(gè)進(jìn)行融合，變成既能照顧到單元離群點(diǎn)檢測(cè)算法，又能照顧到多元離群點(diǎn)檢測(cè)算法的數(shù)據(jù)，將其刪除。這樣一來(lái)，就可以得到更加適用與石油鉆井領(lǐng)域的離群點(diǎn)去除算法。

4 數(shù)據(jù)分割與歸一化模塊

對(duì)數(shù)據(jù)進(jìn)行歸一化與標(biāo)準(zhǔn)化的原因是運(yùn)用機(jī)器學(xué)習(xí)解決石油領(lǐng)域或其他領(lǐng)域的實(shí)際問(wèn)題時(shí)，數(shù)據(jù)中有可能出現(xiàn)由于特征之間相互有不同的衡量標(biāo)準(zhǔn)，導(dǎo)致即使使用同一類(lèi)型的度量，各個(gè)特征之間的差異性也會(huì)非常大。例如特征A與特征B都是關(guān)于路程的特征，特征A一般使用千米單位進(jìn)行測(cè)量，而特征B一般運(yùn)用米來(lái)進(jìn)行度量。這種情況下，如果不引入數(shù)據(jù)的標(biāo)準(zhǔn)化的方法，則會(huì)使得特征A的影響要遠(yuǎn)遠(yuǎn)比特征B的影響要大。因此，為了對(duì)這種情況進(jìn)行排除，需要將數(shù)據(jù)進(jìn)行歸一化或標(biāo)準(zhǔn)化。通過(guò)離群點(diǎn)去除算法將離群點(diǎn)去除后，需要進(jìn)行數(shù)據(jù)集的歸一化與標(biāo)準(zhǔn)化處理，以及對(duì)數(shù)據(jù)的清洗。首先，運(yùn)用sklearn中的算法將數(shù)據(jù)集分割成media和valid兩個(gè)數(shù)據(jù)集，testsize設(shè)置為0.2，然后將midia再次通過(guò)sklearn中的數(shù)據(jù)集分割算法，testsize再次設(shè)置為0.2，最后得到訓(xùn)練集，測(cè)試集以及驗(yàn)證集。

5 鉆速預(yù)測(cè)方案設(shè)計(jì)

針對(duì)一般的優(yōu)化問(wèn)題，首先要對(duì)相關(guān)輸入與輸出的關(guān)系建立映射，為了達(dá)到最優(yōu)化的目的，應(yīng)基于這種映射來(lái)找到全局最優(yōu)解。要想將這種方法應(yīng)用到實(shí)際的項(xiàng)目中去，應(yīng)該做到以下兩點(diǎn)：第一是建立目標(biāo)特征與其他特征建立對(duì)應(yīng)關(guān)系，在本項(xiàng)目中對(duì)應(yīng)的是將鉆速與其他特征例如鉆壓，大勾高度等參數(shù)建立映射關(guān)系；第二則是在模型訓(xùn)練后尋找函數(shù)本身的最優(yōu)點(diǎn)。

在本項(xiàng)目中，重點(diǎn)與難點(diǎn)是進(jìn)行數(shù)據(jù)的分析，即對(duì)于石油鉆井的各項(xiàng)參數(shù)的可視化，圖表分析。通過(guò)對(duì)石油鉆井?dāng)?shù)據(jù)的分析，我們才能進(jìn)一步得出結(jié)論。所以，該模塊分為以下兩個(gè)部分：(1)通過(guò)對(duì)數(shù)據(jù)的分析，合理的使用數(shù)據(jù)預(yù)處理的各個(gè)模型，使得模型擬合效果達(dá)到不錯(cuò)的效果，并在這個(gè)過(guò)程中，通過(guò)查看各個(gè) 參數(shù)對(duì)rop鉆速的影響，來(lái)對(duì)這些參數(shù)的重要性有一個(gè)大概的了解。(2)通過(guò)使用lightgmb算法，對(duì)訓(xùn)練集中的鉆速進(jìn)行擬合，通過(guò)調(diào)整模型參數(shù)，以及刪除離群點(diǎn)等操作，使得該模型的rmse評(píng)分達(dá)到最優(yōu)，通過(guò)其算法的特點(diǎn)，找出最能影響鉆速的10個(gè)參數(shù)與數(shù)據(jù)分析時(shí)所找的參數(shù)進(jìn)行分析對(duì)比。最終找出最能影響鉆速的參數(shù)。(3)使用全連接神經(jīng)網(wǎng)絡(luò)對(duì)同樣的數(shù)據(jù)集進(jìn)行擬合，觀察擬合效果。(4)根據(jù)(1)(2)(3)中模型預(yù)測(cè)效果的對(duì)比以及相關(guān)分析，選擇合適的模型，確定最終模型的結(jié)構(gòu)。(5)根據(jù)訓(xùn)練好的模型結(jié)構(gòu)，尋找模型局部較優(yōu)點(diǎn)。

6 實(shí)驗(yàn)結(jié)果分析

6.1 Lightgbm模型

運(yùn)用上述去除離群點(diǎn)的方法去除離群點(diǎn)之后，對(duì)Lightgbm模型進(jìn)行訓(xùn)練，得到相應(yīng)的rmse的值。通過(guò)實(shí)驗(yàn)結(jié)果可以推出：Lightgbm模型訓(xùn)練時(shí)間段，訓(xùn)練效果好，比較適合用于鉆速預(yù)測(cè)的工作。在Lightgbm模型中，數(shù)據(jù)各個(gè)特征對(duì)于目標(biāo)特征的重要程度可以進(jìn)行從小到大的排序，而且通過(guò)生成回歸樹(shù)進(jìn)行分割的次數(shù)也能被記錄下來(lái)。雖然通過(guò)調(diào)整模型中的各個(gè)參數(shù)來(lái)對(duì)模型本身進(jìn)行優(yōu)化，但是各個(gè)特征之間的關(guān)系，即對(duì)目標(biāo)特征的重要程度不會(huì)發(fā)生相應(yīng)的變化。通過(guò)對(duì)結(jié)果數(shù)據(jù)進(jìn)行分析可以看出鉆時(shí)對(duì)最終預(yù)測(cè)結(jié)果的影響最大，遠(yuǎn)高于其他特征，這與在數(shù)據(jù)分析時(shí)所畫(huà)的圖相同，說(shuō)明該參數(shù)對(duì)于鉆速的影響確實(shí)非常大。對(duì)鉆速影響第二大的是大勾高度，在歷史擬合的實(shí)驗(yàn)中，該特征往往被忽略，而該實(shí)驗(yàn)則可以對(duì)傳統(tǒng)歷史擬合作出一定程度的補(bǔ)充。另外，還有很多參數(shù)也能對(duì)模型的結(jié)果產(chǎn)生影響，例如活動(dòng)池體積、鉆壓等。在歷史擬合的實(shí)驗(yàn)中，這些參數(shù)都是鉆井過(guò)程中會(huì)直接影響鉆進(jìn)速度的因素，理應(yīng)對(duì)鉆進(jìn)速度的預(yù)測(cè)有較大的影響。而那些靜態(tài)變量，例如測(cè)量井深、垂直井深等，在一開(kāi)始的數(shù)據(jù)分析中就發(fā)現(xiàn)對(duì)實(shí)驗(yàn)結(jié)果影響不大，這也是合情合理的。

6.2 神經(jīng)網(wǎng)絡(luò)模型

在該實(shí)驗(yàn)中，我們運(yùn)用 pytorch對(duì)模型進(jìn)行建模，進(jìn)行數(shù)據(jù)訓(xùn)練時(shí)，采用4層網(wǎng)絡(luò)架構(gòu)，包括輸入層，dropout層，隱藏層以及輸出層。通過(guò)數(shù)據(jù)預(yù)處理將靜態(tài)變量刪除后，剩下的數(shù)據(jù)中一共包含有25個(gè)特征參數(shù)，因此輸入層包含25個(gè)輸入節(jié)點(diǎn)；在選取激活函數(shù)時(shí)，使用Relu函數(shù)，在輸出層不使用激活函數(shù)，將最后一層隱層的輸出經(jīng)過(guò)加權(quán)后直接作為輸出的預(yù)測(cè)結(jié)果。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，通過(guò)選取合適的batch與epoch來(lái)控制模型的訓(xùn)練過(guò)程。通過(guò)設(shè)置dropout為0.2來(lái)保證數(shù)據(jù)的隨機(jī)性。通過(guò)pytorch中的優(yōu)化器進(jìn)行設(shè)置使得學(xué)習(xí)率為0.000 1，優(yōu)化器選用adam。在實(shí)驗(yàn)中，迭代次數(shù)為第930次迭代時(shí)目標(biāo)特征的擬合程度達(dá)到最優(yōu)，共耗時(shí)為892秒。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的分析可以看出神經(jīng)網(wǎng)絡(luò)對(duì)于相同的數(shù)據(jù)同樣展現(xiàn)出了良好的擬合能力，并且沒(méi)有異常情況出現(xiàn)，如欠擬合或過(guò)擬合等。通過(guò)與Lightgmb模型進(jìn)行對(duì)比，發(fā)現(xiàn)該模型訓(xùn)練出的效果比lightgmb模型的效果要好。但是訓(xùn)練的時(shí)長(zhǎng)是lightgmb模型的很多倍。經(jīng)過(guò)上述模型訓(xùn)練以及分析過(guò)程可以看出，即使運(yùn)用最簡(jiǎn)單的深度學(xué)習(xí)框架，也和如今流行的機(jī)器學(xué)習(xí)算法的訓(xùn)練效果差不多。而普通的算法模型的訓(xùn)練效果就要比深度學(xué)習(xí)的訓(xùn)練效果差上不少。

7 鉆速優(yōu)化

本項(xiàng)目分別在不同的模型中對(duì)鉆速進(jìn)行了預(yù)測(cè)，運(yùn)用的模型有Lightgbm模型、全連接神經(jīng)網(wǎng)絡(luò)模型以及普通算法模型。根據(jù)模型得出的rmse分?jǐn)?shù)以及測(cè)試集上的表現(xiàn)可以推出以下結(jié)論：(1)普通的算法模型的rmse得分較差，Lightgbm模型的rmse得分基本與全連接神經(jīng)網(wǎng)絡(luò)模型相同，比其他算法模型效果都要好。(2)全鏈接神經(jīng)網(wǎng)絡(luò)模型得出結(jié)果的時(shí)間最長(zhǎng)，Lightgbm模型得出結(jié)果的時(shí)間是最短的。這說(shuō)明在實(shí)踐過(guò)程中運(yùn)用lightgbm模型的效果能達(dá)到最優(yōu)。

8 結(jié)語(yǔ)

本項(xiàng)目主要完成了以下三部分工作內(nèi)容：(1)通過(guò)對(duì)鉆井過(guò)程中存在的問(wèn)題與機(jī)器學(xué)習(xí)算法結(jié)合起來(lái)進(jìn)行研究，使得機(jī)器學(xué)習(xí)算法能與實(shí)際問(wèn)題結(jié)合，并提供優(yōu)化思路。為后續(xù)研究提供理論基礎(chǔ)。(2)鉆井?dāng)?shù)據(jù)處理方案的設(shè)計(jì)。本文通過(guò)對(duì)鉆井?dāng)?shù)據(jù)特征進(jìn)行研究，將不必要的特征刪除，并且結(jié)合系統(tǒng)論的思想，實(shí)現(xiàn)了對(duì)于鉆井?dāng)?shù)據(jù)的處理，其中，數(shù)據(jù)清洗最為重要，是機(jī)器學(xué)習(xí)項(xiàng)目中的基石。通過(guò)分析數(shù)據(jù)，可以得出到底運(yùn)用哪個(gè)鉆井參數(shù)的結(jié)論。(3)本文通過(guò)機(jī)器學(xué)習(xí)的常用優(yōu)化策略，實(shí)現(xiàn)對(duì)鉆速的優(yōu)化，通過(guò)常用的回歸模型來(lái)對(duì)對(duì)應(yīng)鉆速的各個(gè)參數(shù)實(shí)現(xiàn)優(yōu)化與處理。