利用机器学习预测海上油井的钻井速率

André Branco, Janaína Gomide
{"title":"利用机器学习预测海上油井的钻井速率","authors":"André Branco, Janaína Gomide","doi":"10.5753/eniac.2021.18279","DOIUrl":null,"url":null,"abstract":"A taxa de perfuração (ROP) de um poço de petróleo é uma métrica muito importante de se controlar, por influenciar na produtividade do poço, no desgaste da broca e na segurança do poço e operação. Este trabalho avalia a utilização do algoritmo de floresta aleatória para previsão da ROP em poços de petróleo offshore como alternativa para modelos tradicionalmente utilizados pela indústria. Modelos de floresta aleatória foram avaliados com diferentes hiper-parâmetros para 4 poços offshore no pré-sal da Bacia de Santos. De forma geral, os modelos de floresta aleatória apresentaram resultados superiores para cada poço, mas não houve uma combinação de hiper-parâmetros ótima comum entre os poços.","PeriodicalId":318676,"journal":{"name":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","volume":"51 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Previsão de Taxa de Perfuração em Poços de Petróleo Offshore Utilizando Aprendizado de Máquina\",\"authors\":\"André Branco, Janaína Gomide\",\"doi\":\"10.5753/eniac.2021.18279\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"A taxa de perfuração (ROP) de um poço de petróleo é uma métrica muito importante de se controlar, por influenciar na produtividade do poço, no desgaste da broca e na segurança do poço e operação. Este trabalho avalia a utilização do algoritmo de floresta aleatória para previsão da ROP em poços de petróleo offshore como alternativa para modelos tradicionalmente utilizados pela indústria. Modelos de floresta aleatória foram avaliados com diferentes hiper-parâmetros para 4 poços offshore no pré-sal da Bacia de Santos. De forma geral, os modelos de floresta aleatória apresentaram resultados superiores para cada poço, mas não houve uma combinação de hiper-parâmetros ótima comum entre os poços.\",\"PeriodicalId\":318676,\"journal\":{\"name\":\"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)\",\"volume\":\"51 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-11-29\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/eniac.2021.18279\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2021.18279","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

穿孔率(ROP)油田上的是一个非常重要的指标,如果控制在fl影响生产率的水泵,在钻头的磨损和井的安全操作。这工作评估的使用fl算法的随机森林预测罗普在近海油井作为产业替代传统的模型。fl模型随机森林近海油井将有四个不同的超级-parâmetros pre -桑托斯盆地。一般来说,fl模式随机森林的结果更大了每口井,但没有一个很好的结合了高级-parâmetros火热的常见问题。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Previsão de Taxa de Perfuração em Poços de Petróleo Offshore Utilizando Aprendizado de Máquina
A taxa de perfuração (ROP) de um poço de petróleo é uma métrica muito importante de se controlar, por influenciar na produtividade do poço, no desgaste da broca e na segurança do poço e operação. Este trabalho avalia a utilização do algoritmo de floresta aleatória para previsão da ROP em poços de petróleo offshore como alternativa para modelos tradicionalmente utilizados pela indústria. Modelos de floresta aleatória foram avaliados com diferentes hiper-parâmetros para 4 poços offshore no pré-sal da Bacia de Santos. De forma geral, os modelos de floresta aleatória apresentaram resultados superiores para cada poço, mas não houve uma combinação de hiper-parâmetros ótima comum entre os poços.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信