(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110507186.X (22)申请日 2021.05.10 (71)申请人 中国石油天然气集团有限公司 地址 100007 北京市东城区东 直门北大街9 号中国石油大厦 申请人 中国石油集团川庆钻探 工程有限公 司 (72)发明人 何璟彬　陈伟林　李小鹏　倪华峰　 李录科　李德波　石崇东　赵莹　 詹胜　何以晴　 (74)专利代理 机构 西安吉盛专利代理有限责任 公司 61108 专利代理师 吴建龙 (51)Int.Cl. G06F 30/17(2020.01)G06F 30/27(2020.01) G06N 3/08(2006.01) (54)发明名称 基于BAS算法改进BP神经网络的钻井机械钻 速预测方法 (57)摘要 本发明提供一种基于B AS算法改进BP神经网 络的钻井机械钻速预测方法， 包括以下步骤： 步 骤一， 获取钻井参数； 步骤二， 对钻井参数进行降 噪处理； 步骤三， 筛选钻进参数； 步骤四， 对筛选 的参数进行归一化处理； 步骤五， 对数据进行分 组； 步骤六， 确定BP神经网络架构； 步骤七， B AS优 化BP神经网络； 步骤八， 对模型进行训练； 步骤 九， 对模型进行测试； 步骤十， 对模型进行评价； 步骤十一， 对模型进行保存。 本发明所涉及钻井 机械钻速 预测方法以现场实测数据为依据， 以混 合算法的为手段， 以计算机为求解工具， 对提高 钻井效率， 降低钻井成本具有重要意 义。 权利要求书2页 说明书5页 附图8页 CN 115329468 A 2022.11.11 CN 115329468 A 1.一种基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特征在于， 包括以下 步骤： 步骤一、 获取钻井参数； 按照采样周期， 采集钻井施工过程中的钻井参数。 步骤二、 对 钻井参数进行降噪处 理； 步骤三、 筛 选钻进参数； 步骤四、 对筛 选的参数进行归一 化处理； 步骤五、 对数据进行分组； 步骤六、 确定BP神经网络架构； 步骤七、 BAS优化BP神经网络； 应用BAS算法对步骤六确立的BP神经网络架构中的初始 权值和阈值进行优化； 步骤八、 对 模型进行训练； 步骤九、 对模型进行测试； 应用步骤八训练出的BAS改进 的BP神经网络模型， 对步骤五 中的测试集数据进行测试； 步骤十、 对 模型进行评价； 步骤十一、 对 模型进行保存； 将满足步骤十的BAS改进的BP神经网络模型保存。 2.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤二中， 将步骤一中获取的各项钻井参数做如下小 波变换： 式中， a＞0， 为尺度因子， 实现对基本小波 进行伸缩变换； τ为平移因子， 实现对基 本小波在时间轴上的平移变换， 无量纲； t 为积分函数自变量； X(t)为待处理连续函数， 即为 步骤一中获取的各项钻井参数， 为基本小波函数， 用于对X(t)实现滤波； Wf( τ,a)是 经过尺度变换及平 移变换后的连续信号， 此处为处 理后的各项钻井参数。 3.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤三中， 应用互信息作为相关性分析的标准， 按照互信息定义 公式对降噪处理 后的数据进行互信息分析， 计算公式如下： 式中， NMI(X； Y)为降噪后的互信息值； H(X,Y)是变量X、 Y的联合熵； H(X)、 H(Y)分别为变 量X、 Y的无条件熵； 步骤三中所获得的两个变量间的降噪后的互信息值越高， 则说明这两变 量间的相关性越强， 反之越弱； 在步骤三中通过对步骤二的各项钻井参数分析 互相关性， 根 据结果对相关性强的两个 变量只保留其中一项即可。 4.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤四中对步骤三筛选后的钻井参数进行归一化处理， 将各项钻进参数 的数值 映射至‑1至1之间， 从而降低各钻井参数由于量级差异过大从而导致BAS改进的BP神经网络 模型的预测误差过 大的情况， 归一 化公式如下：权　利　要　求　书 1/2 页 2 CN 115329468 A 2式中， xnorm为数据归一后的值， x为数据归一前的值， xmax、 xmin分别为数据归一前的最大 值和最小值， ymax、 ymin分别为数据归一后的最大值和最小值。 5.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤五中， 将步骤三所筛选的钻井参数为输入变量， 机械钻速为输出变量， 并按 照一定比例对数据进行分组， 将数据分为训练集和 测试集两组。 6.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤 六中， 以步骤三的筛选结果为BP神经网络的输入层的输入变量， 确定中间层 层数n； 以钻井机械钻速作为输出层建立初始BP神经网络架构； 设立训练次数m， 训练目标ε， 学习效率 μ。 7.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤八中， 将训练次数、 训练目标作为模型训练终止条件， 应用步骤七BAS改进的 BP神经网络， 对步骤五中的训练集数据进行训练。 8.根据权利要求1所述的基于BAS算法 改进BP神经网络的钻井机械钻速预测方法， 其特 征在于， 在步骤十中， 选取决定系数R2作为评价指标， 其计算公式如下： 式中， 为第i个样本的预测值； yi为第i个样本的真实值； n为样本个 数； 其中， 均方根和 平均绝对误差百分比的值越小， 模型越好； 决定系数的范围在[0， 1]， 越接近于1， 则模型的 性能越好， 反 之越差。权　利　要　求　书 2/2 页 3 CN 115329468 A 3