Data-driven prediction of drilling strength ahead of the bit
Notice bibliographique
Résumé
This paper compares the performance of two data-driven methods, Signal-Matching Predictor (SMP) and Long Short-Term Memory (LSTM), for predicting drilling strength (E s ) ahead of the bit based on drilling data from nearby offset wells. The comparison is based on the accuracy, applicability, complexity, and computational cost of the methods with the objective of suggesting the most appropriate tool for look-ahead drilling strength prediction. The methods were tested using data from offshore wells in Newfoundland. The SMP used a fixed-size sliding-window of real-time E s data from the target well to find a match in the offset well within similar geological formations and chose the scaled value from the offset well as the prediction. In the second approach, twelve LSTM models were trained using the drilling data of twelve offset wells, and the drilling data of the thirteenth well was used for blind testing. Results showed that the SMP achieved a coefficient of determination ( R 2 ) of 0.92, 0.92, and 0.79 for predicting 1.5, 3, and 5 feet ahead of the bit, respectively, while the LSTM reached an R 2 of 0.95, 0.92, and 0.80 for the respective prediction intervals. The R 2 of the LSTM models was further increased to 0.96, 0.94, and 0.83 after retraining it with weighted samples in formation transition zones. Also, a post-processing technique was proposed that further enhanced the R 2 of the LSTM-based approach to 0.98, 0.97, and 0.93, respectively. The strength of the LSTM-based approach was to use measurable drilling parameters as the only inputs and not the E s itself. According to the results, the LSTM-based method can be reliably used to predict the E s ahead of the bit allowing drillers to identify upcoming drilling dysfunctions. • Signal Matching Predictor and LSTM predicted the drilling strength ahead of the bit. • LSTM was trained with drilling data of offset wells rather than drilling strength. • LSTM reached R 2 values of 0.98, 0.97, and 0.93 for 1.5, 3, and 5 ft prediction lags. • SMP's maximum R 2 was 0.92 for prediction at 1.5 ft ahead of the bit. • Proposed method can be used in real-time to enhance drilling and avoid dysfunctions.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».