An Prediction Method for Determining the Maximum von Mises Stress in Casing Based on SVM
-
摘要:
为了预测非均匀地应力条件下不居中套管的最大应力，提高套管安全性，研究了基于支持向量机（SVM）的套管最大von Mises应力预测方法。首先确定了影响套管最大应力的关键因素，包括非均匀地应力、水泥环的弹性模量及泊松比、套管偏心距等8个因素；然后利用ANSYS软件构建了套管应力实验样本；最后建立了
ε−SVR 模型，实现了套管最大应力的预测。通过自学习，基于径向基核函数的SVM回归方法对于训练样本达到了很好的精度，5个测试样本的平均相对误差仅为1.32%，具有较好的预测精度，满足工程需求，且可以实现非均匀地应力条件下不居中套管最大应力的快速求解。研究结果为现场安全施工提供了理论依据。-
关键词:
- 支持向量机 /
- 非均匀地应力 /
- 套管偏心距 /
- von Mises应力
Abstract:In order to predict the maximum stress of uncentered casing under non-uniform in-situ stress and improve the safety of casing, a prediction method of casing’s maximum von Mises stress based on artificial intelligence SVM is studied. First, the key factors affecting the maximum stress of casing are determined, including non-uniform geologic stress, elastic modulus and Poisson's ratio of cement sheath, eccentricity of casing, etc. Then the "experimental" samples of casing stress are constructed by using ANSYS software. Finally the
ε−SVR model is established to realize the prediction of casing’s maximum stress. Through self-learning, the SVM regression method based on RBF kernel achieves good accuracy for training samples. For the five test samples, the average relative error is only 1.32%, which means that this method can meet the needs of engineering application. In particular, this method can be used to quickly solve the maximum stress of uncentered casing under non-uniform in-situ stress.The research results provide theoretical basis for site safety construction. -
随着超深井、定向井、水平井的逐渐增多，复杂载荷作用下套管的应力计算问题越来越受到关注。目前的研究主要针对居中套管（包括偏磨）在均匀和非均匀地应力条件下的强度计算[1–9]，但在非均匀地应力条件下无法求得不居中套管应力的解析解，W. J. Rodriguez[10]，P. D. Pattillo[11]和A. Nabipour[12]等人利用有限元方法进行了研究，只有窦益华[13]讨论了解析求解方法，提出了解决此类问题的新思路。在实际工程中，由于所遇情况复杂多变，常常需要针对不同对象进行有限元建模和分析，所需周期长，很难满足快速、实时解决问题的要求。为此，笔者提出了一种基于支持向量机（support vector machine，SVM）的非均匀地应力条件下不居中套管最大von Mises应力的快速预测方法，并对ϕ311.1 mm垂直井眼中的套管进行了分析研究。
1. SVM原理及其Matlab实现
SVM是一种基于统计学习理论的机器学习算法，通过寻求结构风险最小化来实现实际风险的最小化，在有限信息条件下得到最优结果[14]，在解决小样本、非线性和高维模式识别问题中表现出许多特有的优势。SVM可以作为一种广义的线性分类器，它的原理是利用非线性变换将输入空间变换到一个高维的特征空间，并在新的空间寻找最优线性分界面。线性可分的情况下，为确保经验风险最小，选取最优分界线H时不仅需要分类准确，还要使分类间隔M（H1和H2之间的距离）最大[14]，如图1所示。
线性不可分情况下，SVM的主要思想是将输入向量
x 映射到一个高维的特征向量空间，用特征向量ϕ(x) 来代替，从而得到最优分类函数。由于在运算过程中，无论是目标函数还是决策函数都只涉及到训练样本之间的内积运算，而原空间的核函数K(xi,xj) 可以取代该内积运算，因此可通过选择合适的核函数完成从线性问题到非线性问题的推广[14]。支持向量机回归算法（support vector regression，SVR）是SVM的衍生算法，其本质是需要寻求一个最优超平面，使所有样本点与该超平面的总体偏差最小[15]。也就是说，对于一个容量为n的样本集：
T={(xi,yi),i=1,2,⋯,n},xi∈Rd,yi∈R (1) 式中：
i 为样本序号；d为xi 的维数。需要寻找一个最优回归函数f，使
f(xi) 尽可能接近对应的样本值yi 。通过构造Lagrange函数，将支持向量机回归问题转化为凸二次规划寻优的对偶问题[15]：
{max (2) \!\;\!{\text{其中}}\quad\qquad K\left( {{{{x}}_i}, {{{x}}_j}} \right) = \exp {\left( - \frac{{{{\left\| {{{{x}}_i} - {{{x}}_j}} \right\|}^2}}}{{2{\sigma ^2}}}\right)^{}}\quad\quad (3) 式中：C为惩罚因子，是一个大于0的常数；
a_i^{} ，a_i^ * ，a_j^{} 和a_j^ * 为Lagrange乘子；\varepsilon 为不敏感系数；K({{{x}}_i}, {{{x}}_j}) 为径向基核函数[15]；\sigma 为核函数参数。若问题的解为
a_{i{\rm{o}}} 、a_{i{\rm{o}}}^ * ，则相应的回归函数为[15]：f({{x}}) = \sum\limits_{i = 1}^n {(a_{{i{\rm{o}}}}^ * - a_{i{\rm{o}}}^{})} K\left( {{{{x}}_i}, {{{x}}_j}} \right) + {b_{\rm{o}}} (4) 式中：
{b_{\rm{o}}} 为回归参数值。式（4）即为基于径向基核函数的
\varepsilon {\rm{ - SVR}} 模型。\varepsilon {\rm{ - SVR}} 模型的回归效果主要受核函数参数\sigma 、不敏感系数\varepsilon 及惩罚因子C 等参数的影响[16–17]。通过比较各种参数优选的方法，选用网络搜索法进行参数寻优[18]，以训练样本均方根误差（root mean squared error，RMSE）最小作为寻优标准，即：\mathop {\min }\limits_{\sigma , C, \varepsilon } \sqrt {\frac{1}{n}\sum\limits_{i = 1}^n {{{\left( {f\left( {{{{x}}_i}} \right) - {y_i}} \right)}^2}} } (5) 式中：
f\left( {{{{x}}_i}} \right) 为预测值。基于Matlab软件，可以实现程序运算，具体运算框图见图2。
2. SVM实验样本构建
为了利用SVM方法实现非均匀地应力和套管不居中情况下套管最大应力的预测，必须建立实验样本。由于实际的“套管–水泥环–地层”系统及其受载十分复杂，这些样本无法用真正的实验方法构建，为此利用ANSYS有限元方法进行“实验样本”的构建。关于“套管–水泥环–地层”系统的有限元分析已十分成熟，也已经过实际数据的验证。这种有限元分析的一个特点是在弹性条件下计算套管的应力，最后根据应力大小和套管的强度来确定套管是否失效[19]。本文的“实验样本”也基于弹性条件进行构建。
影响“套管–水泥环–地层”系统套管应力的因素很多，包括套管的类型和尺寸、最大及最小水平地应力、钻井液密度、水泥环的弹性模量及泊松比、地层的弹性模量及泊松比、套管偏心距和偏心角。关于地应力的影响，有不同的观点，但对于刚钻穿盐膏层的井筒来说，由于应力释放需要较长的时间，因此在一定时间段内，套管将会承受非均匀地应力的作用。同时，研究表明，最大应力一般出现在偏心角为90°或270°的方向[20]。为了减少模型变量，提高预测效率，在构建“实验样本”时，将偏心角固定为90°。同时，当套管给定时，其类型和尺寸都将确定。因此，针对给定套管进行应力预测时，将主要包含最大地应力、最小地应力和水泥环特性等8个关键影响因素。由于实际情况非常复杂，很难确定上述影响因素的合理范围，因此采用了文献调研和实际调查的方法，确定了影响因素的近似取值范围，见表1[21–22]。
表 1 主要影响因素及取值范围Table 1. Main influencing factors and range of values影响因素 取值范围 最大水平主应力σH/MPa 80～135 最小水平主应力σh/MPa 30～80 钻井液密度ρf/（kg∙L–1） 1.15～2.05 水泥环的弹性模量Ec/GPa 10～60 水泥环的泊松比μc 0.15～0.35 地层的弹性模量Es/GPa 1～30 地层的泊松比μs 0.10～0.30 套管偏心距δ/mm 1.5～25.7 某典型的“套管–水泥环–地层”系统如图3所示，井眼直径为311.1 mm，套管内径为219.0 mm，套管外径为250.8 mm。假设套管在井眼中的偏心距为δ，偏心方位角为φ，最大水平主应力σH沿x方向，最小水平主应力σh沿y方向。对几何模型进行单元划分，单元类型选择二维四边形PLANE183单元，按内密外疏的方式划分网格。划分后的网格如图4所示，共计6 215单元，18 953节点。对其施加载荷及约束，偏心方位角固定为90°，分别计算不同偏心距时的套管von Mises应力分布及其最大值。
![]()
图 4 套管–水泥环–地层系统有限元模型Figure 4. Finite element model for casing, cement sheath and formation某一工况下对应的计算参数：偏心距为1.5 mm，σH 为92.0 MPa，σh为59.0 MPa，地层弹性模量和泊松比分别为30 GPa和0.27，水泥环的弹性模量和泊松比分别为35 GPa和0.17，套管的弹性模量和泊松比分别为210 GPa和0.30，钻井液密度为1.64 kg/L，对应井深为4 995.00 m，钻井液静液柱产生的内压约8.03 MPa。地层用以井筒为中心、边长为3.00 m的正方形代替，该工况下的套管内壁von Mises应力云图见图5。从图5可以看出，套管内壁沿y方向（即最小水平主应力方向）的von Mises应力最大达321 MPa。
![]()
图 5 套管内壁von Mises应力云图Figure 5. von Mises stress cloud diagram on the casing inner wall类似地，可计算得到其他99个“实验样本”数据的最大von Mises应力，因样本数量较大，只给出了1～10号和91～100号样本计算结果（见表2），并将1～95号样本作为训练样本，96～100号样本作为测试样本。为了避免人为干扰，计算过程中，每一个因素的取值都采用随机方法。
表 2 SVM“实验样本”数据Table 2. Data of the SVM “experimental samples”序号 ρf/（kg∙L–1） Ec/GPa μc Es/GPa μs σH/MPa σh/MPa δ/mm σv/MPa 1 1.73 35.00 0.26 15.70 0.25 55.00 107.50 25.7 642.24 2 1.48 38.57 0.18 25.91 0.23 40.71 123.21 1.5 766.62 3 1.48 38.57 0.18 25.91 0.23 40.71 123.21 11.2 768.59 4 1.23 38.57 0.18 17.74 0.31 37.14 80.00 1.5 458.83 5 1.48 20.71 0.32 25.91 0.23 51.43 127.14 20.8 754.53 6 1.48 38.57 0.18 25.91 0.23 40.71 123.21 6.3 767.72 7 1.48 20.71 0.32 25.91 0.23 51.43 127.14 11.2 754.29 8 2.05 42.14 0.35 23.87 0.16 65.71 111.43 1.5 487.51 9 1.73 35.00 0.26 9.57 0.40 51.43 127.14 25.7 1 008.85 10 1.81 27.86 0.17 7.53 0.34 44.29 103.57 1.5 835.23 … … … … … … … … … … 91 1.89 24.29 0.24 21.83 0.10 33.57 99.64 16.0 550.76 92 1.15 56.43 0.29 11.61 0.12 76.43 115.36 25.7 957.12 93 1.73 35.00 0.26 9.57 0.40 51.43 127.14 6.3 1 006.05 94 1.48 38.57 0.18 25.91 0.23 40.71 123.21 16.0 769.33 95 1.23 17.14 0.15 30.00 0.36 65.71 111.43 6.3 468.30 96 1.73 10.00 0.30 21.83 0.10 55.00 107.50 25.7 586.98 97 1.48 60.00 0.21 7.53 0.34 62.14 131.07 16.0 1 192.18 98 1.48 60.00 0.21 7.53 0.34 62.14 131.07 20.8 1 195.77 99 1.40 38.57 0.18 13.66 0.19 37.14 80.00 20.8 531.50 100 1.97 24.29 0.24 5.49 0.27 76.43 115.36 25.7 862.73 3. 套管最大von Mises应力预测及精度分析
基于SVM的非均匀地应力条件下不居中套管最大应力预测，关键在于确定
\varepsilon {\rm{ - SVR}} 模型的3个核心参数，即\sigma 、\varepsilon 和C 的寻优，这需要在一定范围内对3个参数进行搜索。笔者选择\sigma 的范围为[0.1，3.0]，搜索步长为0.01；\varepsilon 的范围为[0.01，3.05]，搜索步长为0.05；C 的范围为[1，10]，搜索步长为0.1。经参数寻优，最佳的\sigma 、\varepsilon 和C 值分别为2.01、0.01和3.00。基于这3个模型参数，预测得到表2中96～100号参数对应的最大应力值（见表3和图6）。为了比较，同时列出了对应的样本值。表 3 测试样本的预测结果Table 3. Predictive effect of test samples样本序号 模型参数 最大von Mises应力/MPa 绝对误差/MPa 相对误差，% 平均相对误差，% 样本值 预测值 96 \sigma =2.01
\varepsilon =0.01
C=3.00586.98 603.21 16.23 2.76 1.32 97 1 192.18 1 200.54 8.36 0.70 98 1 195.77 1 207.74 11.97 1.00 99 531.50 530.85 –0.65 –0.12 100 862.73 845.36 –17.37 –2.01 从图6可以看出，95个训练样本的预测结果和样本值基本重合，表明训练样本的拟合精度很高。5个测试样本的相对误差分别为2.76%、0.70%、1.00%、–0.12%和–2.01%，平均相对误差仅为1.32%。可见，利用SVM方法，可以快速预测非均匀地应力条件下不居中套管的最大von Mises应力。
4. 结论与建议
1）非均匀地应力条件下，目前主要采用有限元分析方法求解不居中套管的应力，缺少数值解，给套管强度校核带来了不便。利用基于SVM的智能预测方法可以解决这一难题，为实际套管应力预测提供了一种新的方法。
2）基于径向基函数的
\varepsilon - {\rm{SVR}} 模型的预测精度较高，测试样本预测值与“实验样本”“真实值”的平均相对误差仅为1.32%。3）在已知影响因素合理范围内，利用有限元分析方法可以获得大量的“实验样本”，不但成本低，而且速度快，为利用SVM方法解决套管应力预测难题提供了有效手段。
4）本文仅以一种套管为例进行了最大von Mises应力SVM预测，对于其他种类套管，需要重新进行“实验样本”计算和
\varepsilon - {\rm{SVR}} 模型关键参数寻优。在保证计算获得的“实验样本”准确可靠的前提下，可以采用该方法预测各种套管的最大von Mises应力。 -
![]()
图 4 套管–水泥环–地层系统有限元模型
Figure 4. Finite element model for casing, cement sheath and formation
![]()
图 5 套管内壁von Mises应力云图
Figure 5. von Mises stress cloud diagram on the casing inner wall
表 1 主要影响因素及取值范围
Table 1 Main influencing factors and range of values
影响因素 取值范围 最大水平主应力σH/MPa 80～135 最小水平主应力σh/MPa 30～80 钻井液密度ρf/（kg∙L–1） 1.15～2.05 水泥环的弹性模量Ec/GPa 10～60 水泥环的泊松比μc 0.15～0.35 地层的弹性模量Es/GPa 1～30 地层的泊松比μs 0.10～0.30 套管偏心距δ/mm 1.5～25.7 
下载: 导出CSV
表 2 SVM“实验样本”数据
Table 2 Data of the SVM “experimental samples”
序号 ρf/（kg∙L–1） Ec/GPa μc Es/GPa μs σH/MPa σh/MPa δ/mm σv/MPa 1 1.73 35.00 0.26 15.70 0.25 55.00 107.50 25.7 642.24 2 1.48 38.57 0.18 25.91 0.23 40.71 123.21 1.5 766.62 3 1.48 38.57 0.18 25.91 0.23 40.71 123.21 11.2 768.59 4 1.23 38.57 0.18 17.74 0.31 37.14 80.00 1.5 458.83 5 1.48 20.71 0.32 25.91 0.23 51.43 127.14 20.8 754.53 6 1.48 38.57 0.18 25.91 0.23 40.71 123.21 6.3 767.72 7 1.48 20.71 0.32 25.91 0.23 51.43 127.14 11.2 754.29 8 2.05 42.14 0.35 23.87 0.16 65.71 111.43 1.5 487.51 9 1.73 35.00 0.26 9.57 0.40 51.43 127.14 25.7 1 008.85 10 1.81 27.86 0.17 7.53 0.34 44.29 103.57 1.5 835.23 … … … … … … … … … … 91 1.89 24.29 0.24 21.83 0.10 33.57 99.64 16.0 550.76 92 1.15 56.43 0.29 11.61 0.12 76.43 115.36 25.7 957.12 93 1.73 35.00 0.26 9.57 0.40 51.43 127.14 6.3 1 006.05 94 1.48 38.57 0.18 25.91 0.23 40.71 123.21 16.0 769.33 95 1.23 17.14 0.15 30.00 0.36 65.71 111.43 6.3 468.30 96 1.73 10.00 0.30 21.83 0.10 55.00 107.50 25.7 586.98 97 1.48 60.00 0.21 7.53 0.34 62.14 131.07 16.0 1 192.18 98 1.48 60.00 0.21 7.53 0.34 62.14 131.07 20.8 1 195.77 99 1.40 38.57 0.18 13.66 0.19 37.14 80.00 20.8 531.50 100 1.97 24.29 0.24 5.49 0.27 76.43 115.36 25.7 862.73
下载: 导出CSV
表 3 测试样本的预测结果
Table 3 Predictive effect of test samples
样本序号 模型参数 最大von Mises应力/MPa 绝对误差/MPa 相对误差，% 平均相对误差，% 样本值 预测值 96 \sigma =2.01
\varepsilon =0.01
C=3.00586.98 603.21 16.23 2.76 1.32 97 1 192.18 1 200.54 8.36 0.70 98 1 195.77 1 207.74 11.97 1.00 99 531.50 530.85 –0.65 –0.12 100 862.73 845.36 –17.37 –2.01
下载: 导出CSV
-
[1] American Petroleum Institute. API BULLETIN 5C3: bulletin on formulas and calculations of casing, tubing, drill pipe and line pipe properties[S]. 1994-10-01.
[2] HAN J Z, SHI T H. Nonuniform loading affects casing collapse resistance[J]. Oil & Gas Journal, 2001, 99(25): 45–48.
[3] 李军, 陈勉, 柳贡慧,等. 套管、水泥环及井壁围岩组合体的弹塑性分析[J]. 石油学报, 2005, 26(6): 99–103. doi: 10.3321/j.issn:0253-2697.2005.06.023 LI Jun, CHEN Mian, LIU Gonghui, et al. Elastic-plastic analysis of casing-concrete sheath-rock combination[J]. Acta Petrolei Sinica, 2005, 26(6): 99–103. doi: 10.3321/j.issn:0253-2697.2005.06.023
[4] 殷有泉,李平恩. 非均匀载荷下套管强度的计算[J]. 石油学报, 2007, 28(6): 138–141. doi: 10.3321/j.issn:0253-2697.2007.06.029 YIN Youquan, LI Ping’en. Computation of casing strength under non-uniform load[J]. Acta Petrolei Sinica, 2007, 28(6): 138–141. doi: 10.3321/j.issn:0253-2697.2007.06.029
[5] 李国庆. 套管水泥环组合应力计算边界条件分析[J]. 石油钻探技术, 2012, 40(2): 20–24. doi: 10.3969/j.issn.1001-0890.2012.02.004 LI Guoqing. Analysis of boundary condition of stress calculation on casing/cement-sheath[J]. Petroleum Drilling Techniques, 2012, 40(2): 20–24. doi: 10.3969/j.issn.1001-0890.2012.02.004
[6] CHEN Zhanfeng, ZHU Weiping, DI Qinfeng. Elasticity solution for the casing under linear crustal stress[J]. Engineering Failure Analysis, 2018, 84: 185–195. doi: 10.1016/j.engfailanal.2017.11.007
[7] 李子丰,张永贵,阳鑫军. 蠕变地层与油井套管相互作用力学模型[J]. 石油学报, 2009, 30(1): 129–131. doi: 10.3321/j.issn:0253-2697.2009.01.026 LI Zifeng, ZHANG Yonggui, YANG Xinjun. Mechanics model for interaction between creep formation and oil well casing[J]. Acta Petrolei Sinica, 2009, 30(1): 129–131. doi: 10.3321/j.issn:0253-2697.2009.01.026
[8] 徐守余,李茂华,牛卫东. 水泥环性质对套管抗挤强度影响的有限元分析[J]. 石油钻探技术, 2007, 35(3): 5–8. doi: 10.3969/j.issn.1001-0890.2007.03.002 XU Shouyu, LI Maohua, NIU Weidong. Finite element analysis of effect of cement sheath property on casing collapsing strength[J]. Petroleum Drilling Techniques, 2007, 35(3): 5–8. doi: 10.3969/j.issn.1001-0890.2007.03.002
[9] 李子丰,杨海军,陈飞. 蠕变性地层中套管有效外挤压力的计算方法探讨[J]. 石油钻探技术, 2014, 42(3): 13–15. LI Zifeng, YANG Haijun, CHEN Fei. The calculation of the effective external pressure on casing in creep formation[J]. Petroleum Drilling Techniques, 2014, 42(3): 13–15.
[10] RODRIGUEZ W J, FLECKENSTEIN W W, EUSTES A W. Simulation of collapse loads on cemented casing using finite element analysis[R]. SPE 84566, 2003.
[11] PATTILLO P D, LAST N C, ASBILL W T. Effect of nonuniform loading on conventional casing collapse resistance[J]. SPE Drilling & Completion, 2004, 19(3): 156–163.
[12] NABIPOUR A, JOODI B, SARMADIVALEH M. Finite element simulation of downhole stresses in deep gas wells cements[R]. SPE 132156, 2010.
[13] 窦益华. 粘弹性围岩中套管与井眼不同心时套管围压分析[J]. 石油钻采工艺, 1989, 11(4): 1–6. DOU Yihua. Analysis of casing confining pressure when casing and borehole are not concentric in viscoelastic surrounding rock[J]. Oil Driling & Production Technology, 1989, 11(4): 1–6.
[14] CORTES C, VAPNIK V. Support-vector networks[J]. Machine Learning, 1995, 20(3): 273–297.
[15] CHEN Wei, DI Qinfeng, YE Feng, et al. Flowing bottomhole pressure prediction for gas wells based on support vector machine and random samples selection[J]. International Journal of Hydrogen Energy, 2017, 42(29): 18333–18342. doi: 10.1016/j.ijhydene.2017.04.134
[16] 朱国强,刘士荣,俞金寿. 支持向量机及其在函数逼近中的应用[J]. 华东理工大学学报, 2002, 28(5): 555–559, 568. doi: 10.3969/j.issn.1006-3080.2002.05.023 ZHU Guoqiang, LIU Shirong, YU Jinshou. Support vector machine and its applications to function approximation[J]. Journal of East China University of Science and Technology, 2002, 28(5): 555–559, 568. doi: 10.3969/j.issn.1006-3080.2002.05.023
[17] 白鹏, 张喜斌, 张斌, 等．支持向量机理论及其工程应用实例[M]．西安: 西安电子科技大学出版社, 2008: 53-56. BAI Peng, ZHANG Xibin, ZHANG Bin, et al. Support vector machine and its application in mixed gas infrared spectrum analysis[M]. Xi’an: Xidian University Press, 2008: 5-56.
[18] 成鹏,汪西莉. SVR参数对非线性函数拟合的影响[J]. 计算机工程, 2011, 37(3): 189–191, 194. doi: 10.3969/j.issn.1000-3428.2011.03.067 CHENG Peng, WANG Xili. Influence of SVR parameter on non-linear function approximation[J]. Computer Engineering, 2011, 37(3): 189–191, 194. doi: 10.3969/j.issn.1000-3428.2011.03.067
[19] 王国华,陈正茂,熊继有, 等. 非均匀载荷下套管偏心对套管强度影响研究[J]. 石油天然气学报, 2012, 34(10): 105–107. doi: 10.3969/j.issn.1000-9752.2012.10.025 WANG Guohua, CHEN Zhengmao, XIONG Jiyou, et al. The effect of casing eccentricity on the casing strength under non-uniformity load[J]. Journal of Oil and Gas Technology, 2012, 34(10): 105–107. doi: 10.3969/j.issn.1000-9752.2012.10.025
[20] 陈占锋,朱卫平,狄勤丰,等. 非均匀地应力下套管偏心对抗挤强度的影响[J]. 上海大学学报(自然科学版), 2012, 18(1): 83–86. CHEN Zhanfeng, ZHU Weiping, DI Qinfeng, et al. Effects of eccentricity of casing on collapse resistance in non-uniform in-situ stresses[J]. Journal of Shanghai University(Natural Science Edition), 2012, 18(1): 83–86.
[21] 赵德安, 陈志敏, 蔡小林, 等. 中国地应力场分布规律统计分析[J]. 岩石力学与工程学报, 2007, 26(6): 1265–1271. doi: 10.3321/j.issn:1000-6915.2007.06.024 ZHAO Dean, CHEN Zhiming, CAI Xiaolin, et al. Analysis of distribution rule of geostress in China[J]. Chinese Journal of Rock Mechanics and Engineering, 2007, 26(6): 1265–1271. doi: 10.3321/j.issn:1000-6915.2007.06.024
[22] 程文瀼．混凝土结构: 上册: 混凝土结构设计原理[M]．北京: 中国建筑工业出版社, 2005: 15-17． CHENG Wenxiang. Concrete structure: part A: design principle of concrete structure[M]. Beijing: China Architecture & Building Press, 2005: 15-17.
-
期刊类型引用(111)
1. 彭炽，任书江，杨赟. 基于子网络架构的页岩气水平井机械钻速预测. 钻采工艺. 2025(01): 113-120 . 
百度学术
2. 高健，汪海阁，宋世贵，宋先知，杨培福，张彦龙. 中国石油工程作业智能支持中心模式改革与初探. 钻采工艺. 2025(01): 37-45 . 百度学术
3. 林昕，苑仁国，罗鹏，李文元，杨柳河，李琰，尹涛，王海涛，徐昱，李鹏飞. 实时导向钻井任务型对话机器人的研发与应用. 天然气工业. 2025(03): 132-139 . 百度学术
4. 牛柯，彭斌. 基于双目视觉的钻机管柱识别与定位方法. 西安石油大学学报(自然科学版). 2025(02): 106-115+134 . 百度学术
5. 李宁，刘鹏，武宏亮，李雨生，张文豪，王克文，冯周，王浩. 远探测声波测井处理解释方法发展与展望. 石油勘探与开发. 2024(04): 731-742 . 百度学术
6. 李博志，杨明合，许楷，蔡旭龙，张俊. 基于注意力机制的卷积神经网络机械钻速预测方法. 科学技术与工程. 2024(21): 8910-8916 . 百度学术
7. 黄哲. 探管式智能钻头参数测量装置研制与现场试验. 石油钻探技术. 2024(04): 34-43 . 本站查看
8. LI Ning，LIU Peng，WU Hongliang，LI Yusheng，ZHANG Wenhao，WANG Kewen，FENG Zhou，WANG Hao. Development and prospect of acoustic reflection imaging logging processing and interpretation method. Petroleum Exploration and Development. 2024(04): 839-851 . 必应学术
9. 贾明让，胡远彪，勾文超，周正. 基于BP神经网络的地质岩心钻探钻速预测研究. 超硬材料工程. 2024(05): 12-19 . 百度学术
10. 丁大鹏. 深层水平井优质储层钻遇率提高技术. 西部探矿工程. 2024(10): 57-59 . 百度学术
11. 谢奎. 智能钻完井技术研究现状及发展趋势. 西部探矿工程. 2024(10): 67-69+73 . 百度学术
12. 杨豫龙，曹卫华，甘超，黎育朋，吴敏. 深部地质钻进过程地层特征参数建模与安全预警研究进展. 煤田地质与勘探. 2024(10): 195-206 . 百度学术
13. 王正，宋先知，李根生，潘涛，李臻，祝兆鹏. 基于MLP-CNN的固井质量智能评价方法. 石油科学通报. 2024(05): 724-736 . 百度学术
14. 李中. 海洋钻完井智能感知关键技术研究与现场应用. 石油钻探技术. 2024(05): 20-25 . 本站查看
15. 裴学良，黄哲. 胜利工程智能钻井关键技术探索与建议. 石油钻探技术. 2024(05): 62-68 . 本站查看
16. 杨利强. 防喷器智能控制装置研制及应用. 石油钻探技术. 2024(05): 138-144 . 本站查看
17. 赵修文，尹虎，李黔. 钻进参数自适应调控数字孪生系统架构. 石油钻探技术. 2024(05): 163-170 . 本站查看
18. 曾义金，王敏生，光新军，王果，张洪宝，陈曾伟，段继男. 中国石化智能钻井技术进展与展望. 石油钻探技术. 2024(05): 1-9+171 . 本站查看
19. 宋先知，李根生，祝兆鹏，马宝东，张子悦. 钻井数字孪生技术研究现状及发展趋势. 石油钻探技术. 2024(05): 10-19+171 . 本站查看
20. 李沼萱，俞庭，王铭，陈俊，刘金，程涣. 智能钻完井装备技术研究进展. 辽宁石油化工大学学报. 2024(06): 73-80 . 百度学术
21. 郭东东，姚津津，方辉煌，刘兵，朱恒银. 人工智能对钻探工程及其专业教育的影响探究. 安徽地质. 2024(04): 336-340 . 百度学术
22. 王学强，樊建春，杨哲，罗双平，徐志凯，蔡正伟，熊毅. 树增强型贝叶斯模型提升溢流预警时间提前量. 石油钻采工艺. 2024(04): 413-428 . 百度学术
23. 刘兵，王强，朱恒银，冯建宇，蔡正水. 泥浆性能多参数自动测量仪研究. 宿州学院学报. 2024(12): 29-35 . 百度学术
24. 付长民，王啸天，底青云. 智能导向钻井一体化软件系统平台研发. 地球物理学报. 2023(01): 139-152 . 百度学术
25. 朱日祥，金之钧，底青云，杨长春，陈文轩，田飞，张文秀. 智能导钻技术体系与相关理论研发进展. 地球物理学报. 2023(01): 1-15 . 百度学术
26. 孙鹏，白儒林，孙龙欢，侯香港. 全旋转推靠式自动垂直钻井工具悬架机构设计. 机电工程技术. 2023(02): 257-260 . 百度学术
27. 王强，朱恒银，刘兵，冯建宇，冯聪聪，孙亚军，蔡正水. LSZ-1型泥浆滤失量自动测量仪研制. 钻探工程. 2023(02): 128-134 . 百度学术
28. 田玉栋，柳贡慧，齐悦，李军，高杨，白晓捷，耿晓光. 新型小型化顶驱关键技术研究与应用. 钻采工艺. 2023(01): 115-119 . 百度学术
29. 尹浩，梁健，孙建华，梁楠. 万米科学钻探钻杆柱的优化配置发展趋势. 科技导报. 2023(06): 108-120 . 百度学术
30. 陈宗琦，刘景涛，陈修平. 顺北油气田古生界钻井提速技术现状与发展建议. 石油钻探技术. 2023(02): 1-6 . 本站查看
31. 田媛，戴杰. 智能钻井技术现状与发展趋势探讨. 石化技术. 2023(04): 256-258 . 百度学术
32. 黄懿强. 新型智能旋转导向工具在南海东部探井的应用分析. 河南科技. 2023(09): 65-68 . 百度学术
33. 汪海阁，黄洪春，纪国栋，陈畅畅，吕泽昊，陈伟峰，毕文欣，刘力. 中国石油深井、超深井和水平井钻完井技术进展与挑战. 中国石油勘探. 2023(03): 1-11 . 百度学术
34. 祝兆鹏，张瑞，宋先知，李根生，郭勇，刘慕臣，周德涛. 数据拓展和增量更新的井底压力实时预测方法. 石油机械. 2023(06): 1-10 . 百度学术
35. 张锦宏，周爱照，成海，毕研涛. 中国石化石油工程技术新进展与展望. 石油钻探技术. 2023(04): 149-158 . 本站查看
36. 李根生，宋先知，祝兆鹏，田守嶒，盛茂. 智能钻完井技术研究进展与前景展望. 石油钻探技术. 2023(04): 35-47 . 本站查看
37. 李涛. 智能钻完井技术研究现状及发展趋势. 现代工业经济和信息化. 2023(07): 291-292+295 . 百度学术
38. 谢晓辉，安鹏. 中国海油人工智能建设探索与实践. 石油科技论坛. 2023(03): 22-29 . 百度学术
39. 田飞，底青云，郑文浩，葛新民，张文秀，张江云，杨长春. 面向地质导向的地层智能评价解决方案. 地球物理学报. 2023(09): 3975-3989 . 百度学术
40. 张鑫鑫，梁博文，张晓龙，张绍和，金新. 智能钻井装备与技术研究进展. 煤田地质与勘探. 2023(09): 20-30 . 百度学术
41. 刘慕臣，宋先知，李大钰，朱硕，付利，祝兆鹏，张诚恺，潘涛. 钻柱摩阻扭矩智能预测模型与解释. 煤田地质与勘探. 2023(09): 89-99 . 百度学术
42. 李阳，赵清民，薛兆杰. 新一代油气开发技术体系构建与创新实践. 中国石油大学学报(自然科学版). 2023(05): 45-54 . 百度学术
43. 韩虎，薛亮，孙乐旺，樊洪海，王智明. 连续波钻井液脉冲器边界反射机理数值仿真. 石油机械. 2023(10): 1-8 . 百度学术
44. 伊明，张磊，李富强，李明，云涛，刘宸希，汤历平. 直井随钻测斜磁流变液式负脉冲发生器研究. 石油机械. 2023(10): 32-40 . 百度学术
45. 汤历平，刘宸希，张磊，李富强，夏洪运，阳杰，丁俊. 直井测斜泥浆脉冲发生器阀头参数优化研究. 机械强度. 2023(05): 1130-1140 . 百度学术
46. 董萌萌. 旋转导向用?114.3 mm有线随钻测量钻杆设计及应用. 煤矿安全. 2023(11): 204-209 . 百度学术
47. 郑黎明，李彦霖，张洋洋，王宇，王云飞，王浩，Ullah Fazl. 智能钻机与传统钻机系统组成差异与发展分析. 石油机械. 2023(11): 41-50 . 百度学术
48. 丁建新，李雪松，宋先知，张诚恺，马宝东，刘子豪，祝兆鹏. 水平井钻井提速-减阻-清屑多目标协同优化方法. 石油机械. 2023(11): 1-10 . 百度学术
49. 谢和平，张茹，张泽天，高明忠，李存宝，何志强，李聪，刘涛. 深地科学与深地工程技术探索与思考. 煤炭学报. 2023(11): 3959-3978 . 百度学术
50. 付亚荣，窦勤光，刘泽，焦立芳，季俣汐，杨亚娟，尹后凤. 中国老油田二次开发现状及前景. 新疆石油地质. 2023(06): 739-750 . 百度学术
51. 毛光黔，宋先知，丁燕，崔猛，刘雨龙，祝兆鹏. 基于梯度提升决策树算法的钻井工况识别方法. 石油钻采工艺. 2023(05): 532-539 . 百度学术
52. 王海涛，王建华，邱晨，毛金涛，李辉. 基于双向长短期记忆循环神经网络和条件随机场的钻井工况识别方法. 石油钻采工艺. 2023(05): 540-547+554 . 百度学术
53. 陈林，陆海瑛，王泽华，李城里，杨恒，张茂欣，徐同台. 融合LightGBM和SHAP的井漏类型判断及主控因素分析. 钻井液与完井液. 2023(06): 771-777 . 百度学术
54. 张旭，王芷桁，李鑫，孙瑞涛，杨智钧. 大数据驱动下的溢流监测预警发展现状. 中国石油和化工标准与质量. 2022(01): 124-125+128 . 百度学术
55. 李仙琳，左信，高小永，岳元龙. 基于核主成分分析-半监督极限学习机的钻井溢流诊断方法. 油气地质与采收率. 2022(01): 190-196 . 百度学术
56. 张松林，周书胜，吴娇，可点. 国内有机硅抑制剂的研究与进展. 辽宁化工. 2022(02): 255-257 . 百度学术
57. 李宏波，罗平亚，白杨，李道雄，常爽，柳新国. 机器学习算法概述及其在钻井工程中的应用. 新疆石油天然气. 2022(01): 1-13 . 百度学术
58. 刘清友. 若干智能钻井装备发展现状及应用前景分析——以四川盆地页岩气开发为例. 钻采工艺. 2022(01): 1-10 . 百度学术
59. 关士军. 机采井智能采油技术进展及趋势. 化学工程与装备. 2022(03): 108-109 . 百度学术
60. 李中. 中国海油油气井工程数字化和智能化新进展与展望. 石油钻探技术. 2022(02): 1-8 . 本站查看
61. 郭旭涛. 智能钻井技术研究现状. 现代工业经济和信息化. 2022(03): 150-151+154 . 百度学术
62. 薛德栋，杨万有，张凤辉，邹信波，熊书权，张玺亮. 海上油田电控液驱分层注采系统研究. 石油机械. 2022(05): 76-81 . 百度学术
63. 陶宇龙. 智能钻井技术研究现状及发展趋势探究. 石油化工建设. 2022(02): 151-153 . 百度学术
64. 冯波，崔振鹏，赵璞，刘鑫，胡子旭. 基于T2WELL的U型地热井供暖潜力数值模拟. 吉林大学学报(地球科学版). 2022(02): 560-570 . 百度学术
65. 贾静，陈林，付新，粟鹏，李杨，陈强. 数字化转型背景下油气开发生产组织新模式探索. 西南石油大学学报(社会科学版). 2022(03): 1-9 . 百度学术
66. 朱玉高. 基于大数据环境的海洋石油钻完井数据分析系统建构. 粘接. 2022(05): 117-121 . 百度学术
67. 杨传书. 数字孪生技术在钻井领域的应用探索. 石油钻探技术. 2022(03): 10-16 . 本站查看
68. 蒋廷学，周珺，廖璐璐. 国内外智能压裂技术现状及发展趋势. 石油钻探技术. 2022(03): 1-9 . 本站查看
69. 石祥超，王宇鸣，刘越豪，陈雁. 关于人工智能方法用于钻井机械钻速预测的探讨. 石油钻采工艺. 2022(01): 105-111 . 百度学术
70. 殷启帅，杨进，曹博涵，龙洋，陈柯锦，范梓伊，贺馨悦. 基于长短期记忆神经网络的深水钻井工况实时智能判别模型. 石油钻采工艺. 2022(01): 97-104 . 百度学术
71. 王敏生. 沿钻柱测量技术及其发展方向. 石油钻探技术. 2022(04): 52-58 . 本站查看
72. 柳军，严顾鑫，郭晓强，万敏，罗鸣，朱海燕. 基于灰色-加权马尔可夫的机械钻速动态预测. 系统科学与数学. 2022(07): 1727-1739 . 百度学术
73. 郭华，周超，郑清华，张甫. 中国海上固定平台模块钻机自动化技术现状及展望. 中国海上油气. 2022(04): 194-202 . 百度学术
74. 盛茂，李根生，田守嶒，廖勤拙，王天宇，宋先知. 人工智能在油气压裂增产中的研究现状与展望. 钻采工艺. 2022(04): 1-8 . 百度学术
75. 蒋海军，耿黎东，王晓慧，光新军. 国外石油工程碳减排技术与作业管理发展现状及启示. 石油钻探技术. 2022(05): 125-134 . 本站查看
76. 陈应显，周萌. 基于智能岩性识别的炮孔装药量计算. 爆破. 2022(04): 92-99 . 百度学术
77. 谢关宝. 混合偶极子远探测响应影响因素及探测特性分析. 石油钻探技术. 2022(06): 28-34 . 本站查看
78. 崔奕，汪海阁，丁燕，崔猛，赵飞，史肖燕. 碳中和愿景下油气钻井的数字化、智能化转型之路. 石油钻采工艺. 2022(06): 769-776 . 百度学术
79. 路保平. 中国石化石油工程技术新进展与发展建议. 石油钻探技术. 2021(01): 1-10 . 本站查看
80. 徐磊，侯磊，李雨，朱振宇，雷婷. 机器学习在油气管道的应用研究进展及展望. 油气储运. 2021(02): 138-145 . 百度学术
81. 底青云，李守定，付长民，吴思源，王啸天. 基于云端大数据的智能导向钻井技术方法. 工程地质学报. 2021(01): 162-170 . 百度学术
82. 朱祖扬，刘江涛，杨明清，赵金海，张卫. 井筒微芯片示踪器的深度定位研究. 钻采工艺. 2021(01): 7-12 . 百度学术
83. 罗鸣，冯永存，桂云，邓金根，韩城. 高温高压钻井关键技术发展现状及展望. 石油科学通报. 2021(02): 228-244 . 百度学术
84. 李琪，屈峰涛，何璟彬，王勇，解聪，王六鹏. 基于PSO-BP的钻井机械钻速预测模型. 科学技术与工程. 2021(19): 7984-7990 . 百度学术
85. 汪海阁，黄洪春，毕文欣，纪国栋，周波，卓鲁斌. 深井超深井油气钻井技术进展与展望. 天然气工业. 2021(08): 163-177 . 百度学术
86. 周锐，杨应强，余延波. 智能井下钻井技术发展与探讨. 当代化工. 2021(08): 1900-1904 . 百度学术
87. 刘兆年，邱正松，暴丹，臧晓宇，曹砚锋，邢希金. 温敏形状记忆聚合物堵漏剂的制备与评价. 能源化工. 2021(04): 35-38 . 百度学术
88. 李宗田，肖勇，李宁，李凤霞. 低油价下的页岩油气开发工程技术新进展. 断块油气田. 2021(05): 577-585 . 百度学术
89. 刘永刚，肖兰兰. 自升式钻井平台Aker操作系统应用探讨. 海洋石油. 2021(03): 60-66 . 百度学术
90. 张幼振，范涛，阚志涛，魏宏超，陈洪岩. 煤矿巷道掘进超前钻探技术应用与发展. 煤田地质与勘探. 2021(05): 286-293 . 百度学术
91. 狄勤丰，芮子翔，周星，冯大军，王文昌，陈锋. 带旋转导向工具的底部钻具组合横向振动特性研究. 石油钻探技术. 2021(06): 8-16 . 本站查看
92. 李泉新，刘飞，方俊，刘建林，褚志伟. 我国煤矿井下智能化钻探技术装备发展与展望. 煤田地质与勘探. 2021(06): 265-272 . 百度学术
93. 柳海啸，刘芳，代文星，冯一，巩永刚，李明明. 基于大数据分析技术的钻井提效实践. 石油钻采工艺. 2021(04): 436-441 . 百度学术
94. 邓正强，兰太华，林阳升，何涛，黄平，罗宇峰，王君，谢显涛. 川渝地区防漏堵漏智能辅助决策平台研究与应用. 石油钻采工艺. 2021(04): 461-466 . 百度学术
95. 陈曜东. 石油钻井自动化技术应用探析. 中国石油和化工标准与质量. 2021(23): 185-186 . 百度学术
96. 郭家，张宝平，韩雪银，陈龙，陈玉山. 智能钻井技术研究现状及发展. 中国石油和化工标准与质量. 2021(24): 179-180 . 百度学术
97. 贾甲，苏义脑，沈跃，王龙，张令坦，盛利民. 电遥测钻柱信号传输的建模分析与信道特性改善. 科学技术与工程. 2021(35): 15012-15018 . 百度学术
98. 铁云艳. 油气数字化调研文献综述. 内蒙古石油化工. 2021(12): 59-65 . 百度学术
99. 李小永，李经纬，付亚荣，郑力会，马春晖，胡占国，刘基田，张志明. 油水井智能堵水调剖技术现状及发展趋势. 石油钻采工艺. 2021(04): 545-551+558 . 百度学术
100. 李飞. PDC钻头切削深度对抑制黏滑振动和提高钻进速度的影响. 石油钻采工艺. 2021(05): 566-573 . 百度学术
101. 范海鹏，吴敏，曹卫华，赖旭芝，陈略峰，陆承达. 基于钻进状态监测的智能工况识别. 探矿工程(岩土钻掘工程). 2020(04): 106-113 . 百度学术
102. 谷磊. 自适应钻头与井下动力钻具研究进展. 装备机械. 2020(02): 22-26 . 百度学术
103. 丁士东，赵向阳. 中国石化重点探区钻井完井技术新进展与发展建议. 石油钻探技术. 2020(04): 11-20 . 本站查看
104. 闫铁，许瑞，刘维凯，孙文峰，侯兆凯，邵阳. 中国智能化钻井技术研究发展. 东北石油大学学报. 2020(04): 15-21+6 . 百度学术
105. 刘书杰，任美鹏，李军，张兴全，吴怡，杨宏伟. 我国海洋控压钻井技术适应性分析. 中国海上油气. 2020(05): 129-136 . 百度学术
106. 席传明，穆总结，罗翼，成鹏飞，吴继伟. GCY-Ι型冲击螺杆钻井提速技术研究与试验. 石油机械. 2020(10): 39-43+97 . 百度学术
107. 谷磊. 智能完井关键技术进展及应用. 海洋工程装备与技术. 2020(03): 152-156 . 百度学术
108. 范耀，张群. 高压水射流极小半径钻井技术研究现状与展望. 煤田地质与勘探. 2020(05): 232-239 . 百度学术
109. 丁建新，李雪松，朱亚冰，赖刚，杨友红. 国际油田技术服务企业信息化与业务融合趋势研究. 中国石油和化工标准与质量. 2020(21): 94-99 . 百度学术
110. 王国申. 石油钻井自动化关键技术应用. 中国石油和化工标准与质量. 2020(24): 177-179 . 百度学术
111. 郭晓霞，李磊，周大可. 2020国外油气钻井技术进展与趋势. 世界石油工业. 2020(06): 55-60 . 百度学术
其他类型引用(57)
计量
- 文章访问数: 5081
- HTML全文浏览量: 1222
- PDF下载量: 63
- 被引次数: 168
