2024年3月，在被称为生命禁区的塔克拉玛干沙漠腹地，中石油打出中国第一口，同时也是世界第二口万米钻井。
从地面往下，每钻进100米，温度就会升高约2℃，同时伴随压力升高。万米深度就面临超200℃高温以及超130MPa的高压。
在如此环境下，钻杆就像煮熟的面条，极难控制。开篇提到的我国首口万米深井，从地表钻到8000米，用了近5个月。而从8000米到10000米，却耗费4个多月。
超深井难钻，超深油难采。然而现实却是，中国近10年新增的探明油气储量，超过一半都是深地资源。
俗话还说，“没有金刚钻，别揽瓷器活”。所以钻井提速的根本，是研制基于超硬、耐高温材料的破岩钻头。
下面小举一例，展示如何利用机器学习来快准狠地预测转速，所用工具智能数据建模软件DTEmpower。
其中一口井的数据作为模型训练集，约6000行，用于训练模型。另一口井的数据作为验证集，约3000行，用于验证模型精度。
这近万行数据，除了钻探过程中实时采集的转速，还包括井深、井斜角、井直径、空隙压力等另外25个变量。
对于这种只知道变量之间可能有关系，但不知道什么关系的场景，基于机器学习的数据建模就非常适合，江湖称“炼丹”。
再比如某个变量的正常范围应在30~50之间，但某个传感器抽风，最后输出个999，就出现了异常值。
具体的异常值清理过程，基于智能数据清理算法AIOD。无需任何经验性知识，一键识别清理潜在异常点，使用门槛超低。
两个原因：第一，自变量A和自变量B之间可能相关联。比如B=A*2+3，那么B显然就不是独立自变量。
由于以上两个原因，就需要对变量做相关性分析和重要性分析，剔除部分自变量。自变量减少，实现数据的降维，有利于提高最终模型的精度。
在重要性分析步骤，利用DTEmpower的MDI节点，进行变量重要度排序，进一步剔除4个重要性偏低的自变量。
由于钻井过程采集的数据具有时序性，即每组数据都对应特定的时间戳，所以适合进行时序回归类建模。
机器学习模型精度的判断，通常看R2、MAPE和MSE这几个参数。其中R2最常用，反映模型的拟合程度。取值范围0~1，越接近1表示精度越高。
全程不过数小时，即可实现钻井转速的快速预测，可做到实时指导一线施工。大大缩短钻井周期，节省钻井经费，这就是机器学习的魅力。
除了石油钻井，各行业都有很多来自一线的数据。这些数据不会无缘无故产生，都来之不易，与其让它们放在硬盘里睡觉，不如拿来试试做数据挖掘，反正尝试无成本。
基于流体仿真软件AICFD、结构仿真软件AIFEM、数据建模软件DTEmpower或优化设计软件AIPOD的案例制作成视频或文章，发布到B站、知乎、微信公众号，今日头条，小红书，CSDN等网络平台，鼓励多平台发布。更有软件许可获赠及丰厚奖金等你来拿！
标签： #数据预处理案例
评论列表