面向随钻边缘计算的井下钻井工况轻量化智能识别方法

来源：石油科学通报杂志2026年第3期北京时间：

作者：詹家豪, 李军, 柳贡慧, 杨宏伟, 王超, 王彪

单位：1 中国石油大学(北京)石油工程学院， 北京 1022492 中国石油大学(北京)克拉玛依校区石油学院， 克拉玛依 8340003 北京工业大学机械与能源工程学院， 北京 1001244 长江大学机械工程学院， 荆州 434023

摘要：深层钻井过程中工况复杂多变，基于地面参数的识别方法存在传播滞后与误判率高的问题，而井下由于计算资源受限难以支撑复杂算法的直接部署。本文提出一种数据驱动的改进型层次分析法(Data-driven Modified Analytic Hierarchy Process，DM-AHP)：以SHAP(SHapley Additive exPlanation)值替代专家评分构建AHP判断矩阵，利用SHAP值的数学性质(效率性、对称性、线性性与零贡献性)从理论上保证权重分配的客观性与乘法一致性。基于"地面训练—井下识别"的分布式架构，地面端完成模型训练、特征解释与判断矩阵生成，井下端仅部署160个参数的轻量化矩阵，并结合基于箱线图的动态阈值机制，实现实时工况识别与自适应更新。基于11口井实测数据验证：模型在7类正常工况识别中准确率达95.5%，F1=0.954；异常状态检测F1=0.931；内存占用48 KB，单次推理耗时42 ms，满足井下实时约束。跨井泛化测试表明，双重动态更新策略(归一化参数更新与阈值自适应调整)将F1由0.864提升至0.954。相较于传统机器学习模型104~106量级的参数规模，本方法在参数压缩逾99%的条件下，识别性能仅下降约1.7%，可直接嵌入随钻测量系统，为深层钻井智能工况监测提供兼具可解释性、轻量化与高精度的可实施技术方案。

关键词：钻井工况识别,数据驱动,层次分析法,SHAP值,边缘计算,轻量化模型,随钻识别

基金资助：国家重点研发计划项目“陆上超深油气井井喷防控关键技术装备及示范应用”(2023YFC3009200);国家自然科学基金重大科研仪器研制项目“钻井复杂工况井下实时智能识别系统研制”(52227804);国家自然科学基金青年科学基金项目“深井气侵井下原位实时识别与定量解释方法研究”(52304001);国家自然科学基金面上项目“超深复杂地层溢流智能识别与关井—压井一体化调控方法”(52474018)