【成果】耿艳峰教授团队在钻井轨迹预测方面取得进展

   近日，公司控制科学与工程专业2022级博士研究生王洪玉在钻井轨迹预测方面取得进展，相关研究成果Build-up rate prediction using data augmentation with VAE-based feature extraction发表在《energy》。《energy》是能源领域的国际知名期刊，目前影响因子为9.4（SCI一区）。论文第一作者为王洪玉，通讯作者为耿艳峰教授，BB贝博艾弗森为唯一署名单位和通讯单位。

图1 论文首页

在钻井领域中，造斜率（BUR）的预测在钻井轨迹控制中发挥着重要作用。与传统的方法相比，基于机器学习的预测方法具有更优的性能。然而，实际中很难获取足够的预测数据。它不仅使得预测模型易过拟合，且由于无法捕获到原始数据的真实分布，影响了生成数据的质量。为解决该问题，本文提出了一种新的数据扩充的方法。该方法利用VAE提取原始数据的特征，同时结合生成对抗网络（GAN）和支持向量回归（SVR）来生成数据以及进行BUR预测。具体来说，由于VAE较强的特征提取能力以及数据分布的学习能力，在该方法中，VAE被用于特征器而不是生成器，来增强扩充模型的生成能力。然后，基于提取的特征，建立GAN以及SVR模型来生成数据。最终，利用生成数据以及真实数据，建立基于灰狼优化器（GWO）优化的SVR模型进行造斜率的精准预测。为验证该模型的性能，采用了Z48井的数据。结果表明，该方法能够提高生成数据的质量以及BUR的预测精度。与现有方法相比，平均绝对误差（MAE）和均方误差（MSE）分别减少了25.1%和53.8%。

图2 所提方法的架构

论文链接：https://doi.org/10.1016/j.energy.2025.136716