保障资源能源安全是实现国家经济可持续发展的关键之一,也是国家安全的重要组成部分。随着浅层矿产资源的日益枯竭、深部成矿理论的发展和大量深部资源能源的探明,深部地质勘探和开发成为必然。但是深部地质钻进过程中存在“三高一扰动”的复杂地质力学环境,非线性、强耦合、强干扰等特性突出,并且缺少考虑实际状况的智能地层建模和钻速优化的方法。本文从复杂地质钻进过程特点和反应机理出发,运用机器学习和智能优化理论,重点对钻进点地层可钻性建模、三维地层可钻性场空间建模、钻速高精度预测、非凸非线性钻速优化等相关问题进行研究。论文主要研究成果和创新点如下:(1)提出基于数据驱动的钻进点地层可钻性智能建模方法对各测井参数与地层可钻性之间相关关系进行分析,分别提出两种基于数据驱动的钻进点地层可钻性智能建模方法。首先提出基于数据驱动的钻进点地层可钻性融合建模方法,通过运用皮尔逊相关性分析方法确定与地层可钻性相关性较强的输入参数,减小模型耦合;然后基于极限学习机和改进自适应集成学习算法形成一种钻进点地层可钻性新型融合计算模型,通过仿真对比实验验证所提模型方法的优越性。在之前融合建模方法的基础上,引入递推最小二乘算法,提出一种基于数据驱动的钻进点地层可钻性在线建模方法,使得在线高精度计算由于地层环境变化、岩石软硬交替、自然造斜等情况导致的地层可钻性突变成为可能。(2)提出一种基于地统计和机器学习的三维地层可钻性场空间建模方法传统空间插值方法较难估计由于地层突变等导致的区域地层可钻性数据变化,基于此提出一种基于地统计和机器学习的三维地层可钻性场空间建模方法。运用互信息分析方法确定三维坐标与地层可钻性之间的空间相关性,并通过对比实验得到增加钻井数量大小,能够提高上述空间相关性的推论。同时引入四种地统计和机器学习方法进行对比分析,实例应用结果验证了机器学习方法在地层可钻性场空间计算方面的有效性。该方法实现了地层可钻性信息三维空间描述。(3)提出基于分层与混合模型的智能钻速高精度预测方法通过进一步分析各类钻进过程参数与钻速之间所具有的直接或间接关系,提出两种基于分层与混合模型的智能钻速高精度预测方法和一种基于迭代局部搜索和随机惯性权重的改进蝙蝠算法。首先提出一种新型双层智能钻速预测方法,分别引入分段三次艾尔米特插值和互信息分析方法匹配钻进数据并降低模型耦合。采用之前所提融合计算方法建立第一层地层可钻性子模型,并运用改进粒子群优化的径向基神经网络方法建立第二层钻速子模型。实例应用结果表明融合多种形式的子模型进行多层次、多模型协同描述是实现钻速建模的一种新途径。如何优化选择机器学习算法中的超参数是高精度预测钻速的关键,在尝试运用优化后的机器学习算法预测钻速的过程中,提出了一种基于迭代局部搜索和随机惯性权重的改进蝙蝠算法(ILSSIWBA)。三种类型实验(传统测试集、IEEE CEC2005标准测试集、实际工程问题)结果验证了所提算法的高效性。提出一种基于混合支持向量回归的钻速预测方法,运用ILSSIWBA优化支持向量回归模型中的超参数,并分别引入小波滤波和互信息分析方法降低数据噪声和模型耦合。同十一种知名钻速预测算法的对比实验结果验证了所提方法实现了钻速高精度预测。(4)提出一种基于混合蝙蝠算法的非凸非线性钻速优化方法传统确定性或启发式优化算法在面对非线性约束条件下的非凸钻速优化问题时,优化精度不高且易陷入局部最优。基于之前所提ILSSIWBA,通过引入定向回声定位和改进局部随机步策略,提出一种混合蝙蝠算法(HBA),能够进一步提高算法的全局搜索能力和优化解稳定性,同十种知名优化算法在IEEE CEC2005标准测试集函数实验的对比结果验证了所提算法的优越性。提出一种基于混合蝙蝠算法的钻速优化结构,将上述算法应用于钻速优化,同时考虑地层条件变化、钻头磨损等各类等式或不等式非线性约束,同四种当前知名优化算法的对比结果验证了所提方法的先进性,为保障钻进过程高效运行提供钻进操作参数推荐值。通过研究复杂地层可钻性场智能建模与钻速优化问题,为复杂地质钻进过程建模与优化提供新的理论技术和解决方案,抢占钻进过程建模与优化技术制高点,将为提升我国钻进过程控制技术水平,实现安全高效的复杂地质钻进过程智能控制奠定重要基础。