Bayesian change point prediction for downhole drilling pressures with hidden Markov models
Notice bibliographique
Résumé
Abstract In the drilling of oil wells, the need to accurately detect downhole formation pressure transitions has long been established as critical for safety and economics. In this article, we examine the application of Hidden Markov Models (HMMs) to oilwell drilling processes with a focus on the real time evolution of downhole formation pressures in its partially observed state. The downhole drilling pressure system can be viewed as a nonlinear, non‐degrading stochastic process whose optimum performance is in a region in its warning state prior to random failure in time. The differential pressure system is modeled as a hidden 3 state continuous time Markov process. States 0 and 1 are not observable and represent the normally pressured (initiating ) and abnormally pressured or warning (reducing ) states respectively. State 2 is the observable failure state (from negative and loss of well control). The signal process of the evolution of differential pressure is identified in the changes in the observable rate of penetration (ROP) encoded in drilling performance data. The state and observation parameters of the HMM are estimated using the Expectation Maximization (EM) algorithm and we show, for a univariate system with a depth dependent time relationship, that the model parameter updates of the EM algorithm equation have explicit solutions. A Bayesian inference model, to determine the safety threshold of the system and early failure prediction at each sampling epoch, is thereafter proposed. The application of our stochastic model of the dynamic evolution of downhole pressures in operational time is illustrated with a hindcast case example. The analysis showed strong early indication of probable failure in real time and was validated in the field post drilling system failure that resulted in significant recovery costs. The potential to predict the differential pressure state transitions ahead of the bit represents a capability not currently available in the industry. This opens up significant opportunity for value creation from optimizing drilling operations to deliver substantial savings in well construction costs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».