DOI: 10.11799/ce202505021
基于钻孔钻进过程数据驱动的地层可钻性预测方法
陈韬1
张幼振2
钟自成3
1.煤炭科学研究总院,北京 1000132.煤炭科学研究总院,北京 100013;中煤科工西安研究院(集团)有限公司,陕西 西安 7100773.中煤科工西安研究院(集团)有限公司,陕西 西安 710077
摘要：复杂多变的地层条件给煤矿井下安全高效生产带来了巨大挑战,通过钻进数据建立地层可钻性预测模型,实现地层类型智能感知,可为钻进过程提供地质信息保障.针对煤矿井下钻进数据存在异常值、样本量不平衡等问题,采用局部离群因子异常检测算法(LOF)剔除异常钻进数据,利用生成式对抗网络(GAN)对原始钻进样本进行训练,获取了钻进生成样本以构建平衡钻进数据集.提出了一种鲸鱼算法优化核极限学习机(WOA-KELM)的钻进地层可钻性预测方法,构建基于鲸鱼算法优化后的核极限学习机预测模型预测地层可钻性等级.通过淮南矿区现场实钻数据获得了包括回转压力、钻进压力、钻速等钻进数据,利用LOF剔除异常值后通过GAN生成与原始样本相似度高的生成样本,应用箱线图、识别率、散点图分布验证了生成钻进样本的可靠性.利用生成样本平衡钻进数据集通过WOA-KELM建立钻进过程地层可钻性预测模型,对地层可钻性预测准确率达98%左右,优于SVM、KNN等识别模型.研究结果为煤矿井下自适应钻进与工况智能感知技术提供了参考和借鉴.
关键词：煤矿井下钻探地层可钻性钻进参数鲸鱼算法机器学习
分类号：TD745(矿山安全与劳动保护)
资助基金：陕西省自然科学基础研究重点项目(2024JC-ZDXM-30)陕西省重点研发计划项目(2023-YBGY-340)天地科技股份有限公司科技创新重点项目(2023-2-TD-ZD002)
论文发表日期：2025-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 156-162 )
英文信息