钻速是指钻进过程中钻头在单位时间内的进尺，是决定钻进效率的最关键指标。复杂地质钻进过程中，影响钻速的参数种类众多、机理复杂且存在非线性、强耦合、数据噪声大等特征。传统钻速机理建模方法或者单层未对模型进行优化的数据驱动钻速建模方法很难高精度预测钻速。针对上述问题，我研究所分别基于分层与混合模型提出钻速高精度预测新方法，主要研究进展包括：
（1）通过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参数间耦合性。采用融合预测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。该双层钻速建模方法充分考虑各参数之间的直接、间接因果关系和时序不同的特点，为提高复杂地质环境下钻进效率、优化钻速奠定了重要基础。
Chao Gan, Wei-Hua Cao, Min Wu, Kang-Zhi Liu, Xin Chen, Yu-Le Hu, Fu-Long Ning. Two-level intelligent modeling method for the rate of penetration in complex geological drilling process[J]. Applied Soft Computing, 2019, 80: 592-602.
图1 钻速预测结果对比
图2 双层钻速模型结构
（2）提出一种基于混合支持向量回归的钻速预测方法，运用新型蝙蝠算法优化支持向量回归模型中的超参数。分别引入小波滤波和互信息分析方法降低数据噪声和参数间耦合性。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。
Chao Gan, Wei-Hua Cao, Min Wu, Xin Chen, Yu-Le Hu, Kang-Zhi Liu, Fa-Wen Wang, Suo-Bang Zhang. Prediction of drilling rate of penetration (ROP) using hybrid support vector regression: A case study on the Shennongjia area, Central China[J]. Journal of Petroleum Science and Engineering, 2019, 181: 106200.
图3 地层条件特点
图4 钻速预测模型结构
图5 实际钻速与预测钻速结果对比