基于随钻实时数据的井下托压多级智能识别方法

来源：石油科学通报杂志2026年第2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：针对定向井滑动钻进工况下托压实时识别的难题，提出了一种基于随钻实时数据的托压多级智能识别方法。建立了基于钻压传递率的四级托压评价体系，通过分析井下钻压与振动信号的响应特征，从统计域、频域和时序演化三个维度构建多维特征空间，采用综合重要性评价策略筛选出10个核心特征。针对井下闭环控制对实时性和轻量化的严格要求，设计了浅层随机森林识别模型，通过类别权重方法处理样本不平衡问题，采用基于井号的数据划分策略确保模型泛化能力。基于西部某油田5口定向井的实测数据，模型在独立井测试集上达到90.2%的准确率和0.900的Macro-F1分数，完全托压召回率为87.6%。实现了模型在ARM Cortex-M4处理器上的实际部署，模型存储空间52 KB、推理时间355 ms，满足井下硬件的全部约束条件。通过可解释性分析验证了模型判别依据与托压物理机理的一致性。研究成果可直接应用于水力振荡器等井下主动控制装置的智能启停，将响应时间从传统地面控制的分钟级缩短至5 s以内，对提高钻井效率、降低井下风险具有重要工程价值。

关键词：托压识别,随钻测量,轻量化模型,随机森林,嵌入式部署

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)