基于钻井大数据的钻进参数优化和人工智能建模技术

以石油钻井系统数字化建设为基础，利用石油钻井系统的数据库、数据处理模型等，依据大数据技术和人工智能建模技术，构架具有全面感知、生产量化、科学指导决策、可视化钻井过程的钻进优化系统。通过统一的集中运行以及实时高效的科学化模拟、分析、预测与优化，对海量钻井数据进行分析处理，从而优化钻进过程，提高钻井效率，降低钻井成本，为实现智慧化钻井奠定基础。

石油钻井数据来源于钻井过程的各个环节，且种类繁多，数量巨大，因而存在海量钻井数据的存储及管理不一致的问题。且钻井过程中钻进参数及地下环境等的复杂性和多样性，以及钻井过程很多因素的不确定性，如：地下环境、地质参数等的不确定，使得钻井决策更多地依赖于专家经验，以至于决策的科学性差。为了提高决策的科学性，钻井工作人员和研究人员对钻井过程做了很多优化工作，提出了很多的优化模型和改进方法。但是，随着钻井行业数据量的不断增长，传统的数据处理模型对于非结构化数据的处理具有一定的局限性，因此如何利用先进的技术和管理手段，收集、整合、优化石油钻井各类数据对于提高钻井效率具有重要意义。

在石油钻井数字化建设的基础上，结合大数据技术和人工智能建模技术，对钻井勘探、开发、生产管理等领域的各项数据，进行统一存储、分析与优化，实现海量钻井大数据的共享化、一体化、钻井生产可视化和分析决策科学化，以优化钻井过程，达到降低钻井成本的目的。研究的主要内容包括：

（1）建立钻井大数据采集及存储平台

钻进参数是指钻进过程中可控制的参数&