论文部分内容阅读
为研究水基绒囊钻井液当量静态密度随井深变化规律，以绒囊钻井液PVT实验数据为样本，建立了反映绒囊钻井液压力、温度和密度关系的BP神经网络。以BP神经网络为基础，建立与压力和温度相关的井深与绒囊钻井液井下静态当量密度预测模型。模型计算结果相比多元回归预测结果，与PVT实测数据相对误差更小，与磨80-C1井现场测定的0～2500m钻井液静态当量密度结果更吻合。用建立的BP神经网络模型预测磨80，C1井所在的磨溪地区绒囊钻井液2500-6000m的静态当量密度，发现绒囊钻井液随井深增加密度逐渐减小，表明绒囊未在