時(shí)間序列建模在卡鉆類別判斷中的應(yīng)用研究

陶宇龍+劉光星+翟坤

摘 要： 為了提高卡鉆預(yù)測(cè)中卡鉆類別判斷的準(zhǔn)確度，以青海地區(qū)地?zé)峥碧骄畬?shí)鉆數(shù)據(jù)為基礎(chǔ)，結(jié)合時(shí)間序列分析建模方法，提出了一種適合卡鉆類別判斷的方法。通過(guò)時(shí)序模型對(duì)未來(lái)鉆井?dāng)?shù)據(jù)進(jìn)行預(yù)測(cè)處理，運(yùn)用Matlab軟件對(duì)各個(gè)ARMA模型做功率譜估計(jì)，比較相鄰兩個(gè)ARMA模型的功率譜密度，計(jì)算各個(gè)參數(shù)的功率譜偏差值，進(jìn)行數(shù)值仿真，當(dāng)某一參數(shù)其功率譜偏差值出現(xiàn)明顯異常時(shí)，則預(yù)判斷這一時(shí)刻可能發(fā)生此參數(shù)對(duì)應(yīng)類別的卡鉆事故。引入多因素時(shí)序建模方法，運(yùn)用SPSS軟件做多因素模型，計(jì)算主要參數(shù)的預(yù)測(cè)區(qū)間，當(dāng)預(yù)測(cè)值超出預(yù)測(cè)區(qū)間時(shí)，則可以判斷發(fā)生對(duì)應(yīng)類別的卡鉆事故。最終證實(shí)，采用此方法能夠?qū)崿F(xiàn)對(duì)鉆井過(guò)程中未來(lái)卡鉆事故的類別判斷，在實(shí)際鉆井中有較高的可擴(kuò)展性及應(yīng)用價(jià)值。

關(guān)鍵詞： 時(shí)間序列； ARMA建模； 卡鉆； 預(yù)測(cè)； 類別判斷

中圖分類號(hào)： TN911?34； TE28 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）04?0005?03

Application of time sequence modeling in category judgment for sticking of drilling rig

TAO Yu?long， LIU Guang?xing，ZHAI Kun

（Shaanxi Province Key Laboratory of Electric Drive Drilling Rig Control Technology， Xian Shiyou University， Xian 710065， China）

Abstract： In order to improve the accuracy of judging drilling rig sticking category in sticking prediction， on the basis of real drilling data of the geothermal exploration well in Qinghai region， a new method of category judgment for sticking of drilling rig is proposed in combination with the method of time sequence analysis modeling. The future drilling data is predicted and processed by the time?sequence model. Power spectrum estimation of each ARMA model is conducted with Matlab software. The power spectral density of two adjacent ARMA models is compared. The power spectrum deviation of each parameter is calculated and its numerical simulation is carried out. When the power spectrum deviation of a parameter is obviously abnormal， the sticking accident category corresponding to this parameter， which may occur in this moment， is judged in advance. The multi?factor time?sequence modeling method was introduced. The multi?factor model was built with SPSS software to calculate the prediction interval of main parameters. When the predicted value exceeds the prediction interval， the corresponding category of sticking accident can be determined. The result confirms that the method can realize the category judgment of future sticking accident in the drilling process and has high extendibility and application value in the actual drilling.

Keywords： time sequence； ARMA modeling； sticking of drilling rig； prediction； category judgment

在鉆井過(guò)程中，鉆井參數(shù)的變化與井下復(fù)雜情況的產(chǎn)生密切相關(guān)，可以通過(guò)分析鉆井參數(shù)的變化異常來(lái)預(yù)測(cè)卡鉆[1]的發(fā)生及判斷卡鉆的類別?？ㄣ@事故的種類多樣，通常根據(jù)卡鉆原因?qū)⒖ㄣ@事故分為沉砂卡鉆、壓差卡鉆、鍵槽卡鉆、井塌卡鉆等多種類別。其多樣性勢(shì)必給卡鉆事故的預(yù)防帶來(lái)很大麻煩，只有對(duì)卡鉆事故正確的鑒別與預(yù)測(cè)，才能有效的預(yù)防和處理卡鉆。然而，鉆井技術(shù)人員通常很難根據(jù)常規(guī)經(jīng)驗(yàn)或?qū)I(yè)知識(shí)去科學(xué)地鑒別和判斷卡鉆類別。為此，本文提出運(yùn)用時(shí)間序列[2]建模方法來(lái)解決卡鉆事故類別判斷上的問(wèn)題。經(jīng)青海地區(qū)地?zé)峥碧骄畬?shí)鉆資料數(shù)據(jù)驗(yàn)證，此方法是切實(shí)可行，且具備較高的吻合度。

1 時(shí)間序列

時(shí)間序列是指按時(shí)間順序排列的一組數(shù)據(jù)，從廣義上講是指一組有序的隨機(jī)數(shù)據(jù)。單因素時(shí)間序列建模是進(jìn)行多因素時(shí)間序列分析的前提和基礎(chǔ)，其主要有三種時(shí)序模型，分別為：ARMA，AR和MA模型。其基本形式如下：

[ut=?1ut-1+…+?put-p+εt+θ1εt-1+…+θqεt-q] （1）

[ut=?1ut-1+?2ut-2+…+?put-p+εt] （2）

[ut=εt+θ1 εt-1+…+θqεt-q] （3）

式中：[?1，?2，…，?p]是自回歸系數(shù)；[θ1.θ2，，…，θq]是移動(dòng)平均系數(shù)；[p]為自回歸模型階數(shù)；[q]為移動(dòng)平均模型階數(shù)；[εt]是均值為0，方差為[σ2]的白噪聲序列。

為了能夠?qū)⒂绊懯录l(fā)展的眾多因素結(jié)合起來(lái)進(jìn)行綜合考慮，在經(jīng)過(guò)多次的反復(fù)研究和比較后，選擇了在工程項(xiàng)目中應(yīng)用廣泛，也便于理解和實(shí)際計(jì)算的多元線性回歸模型：

[Yt=a1Xt，1+a2Xt，2+…+anXt，n+at] （4）

式中：[Yt]為事件在[t]時(shí)刻的真值；[Xt，i（i=1，2，…，n）]為應(yīng)用單因素法對(duì)第[i]個(gè)影響因素在[t]時(shí)刻的預(yù)定值；[ai（i=1，2，…，n）]為各影響因素的自回歸系數(shù)；[at]為白噪聲序列。式（4）稱為多因素[3]時(shí)序模型。

2 卡鉆類別判斷的原理

為了對(duì)卡鉆事故的類型做出快速準(zhǔn)確的判別，現(xiàn)主要將卡鉆類型分為三大類別[4?5]：

第一類為機(jī)械卡鉆，其主要包括鍵槽卡鉆、落物卡鉆及泥包卡鉆等；

第二類為壓差卡鉆，也稱為粘吸卡鉆；

第三類為循環(huán)卡鉆，其主要包括沉砂卡鉆、砂橋卡鉆、井塌卡鉆、循環(huán)斷路卡鉆等；砂橋卡鉆也算是沉砂卡鉆的一種，其性質(zhì)與井塌卡鉆差不多，其危害比壓差卡鉆更甚。

卡鉆類別判斷的主要思路為：先進(jìn)行大類別判斷，縮小判別范圍，排除其他影響項(xiàng)，然后在大類別的范圍內(nèi)，根據(jù)小類別的相關(guān)反映做出判斷，便可以更精確、更快速、更穩(wěn)妥的做出卡鉆事故的類別判斷。卡鉆參數(shù)表現(xiàn)不同，井下卡鉆事故的類型就會(huì)不同，則解卡方案也應(yīng)相應(yīng)做出改變。綜合分析表明，機(jī)械卡鉆通常表現(xiàn)為大鉤負(fù)荷突然增加，可能伴隨泵壓的下降；壓差卡鉆通常表現(xiàn)為轉(zhuǎn)盤(pán)轉(zhuǎn)速迅速降低；循環(huán)卡鉆則表現(xiàn)為泵壓升高。通過(guò)以上分析，明確各參數(shù)變化所對(duì)應(yīng)的卡鉆類型，運(yùn)用時(shí)序建模方法分別對(duì)大鉤負(fù)荷、轉(zhuǎn)盤(pán)轉(zhuǎn)速及泵壓做建模處理，與三大類別卡鉆一一對(duì)應(yīng)，通過(guò)分析各參數(shù)模型的數(shù)據(jù)特點(diǎn)，來(lái)判斷卡鉆事故的類別。

2.1 單因素判別

運(yùn)用單因素時(shí)序預(yù)測(cè)方法分別判斷出大鉤負(fù)荷、轉(zhuǎn)盤(pán)轉(zhuǎn)速及泵壓的相鄰ARMA模型[6?7]功率譜最大值的偏差，當(dāng)三種參數(shù)中的某一種參數(shù)其功率譜偏差值出現(xiàn)明顯異常時(shí)，則預(yù)判斷這一時(shí)刻可能發(fā)生此參數(shù)對(duì)應(yīng)類別的卡鉆事故。

2.2 多因素判別

以大鉤負(fù)荷、立管壓力、轉(zhuǎn)盤(pán)轉(zhuǎn)速、轉(zhuǎn)盤(pán)扭矩和泵壓五種參數(shù)進(jìn)行多因素時(shí)序建模，由于大鉤負(fù)荷、鉆盤(pán)轉(zhuǎn)速、泵壓的特征變化分別對(duì)應(yīng)三大卡鉆類別，則在建模時(shí)分別以大鉤負(fù)荷、鉆盤(pán)轉(zhuǎn)速和泵壓作為主要判據(jù)，即作為因變量，其他各參數(shù)作為相關(guān)輔助變量，建模進(jìn)行分析，也就是說(shuō)，以大鉤負(fù)荷作為因變量時(shí)，立管壓力、轉(zhuǎn)盤(pán)轉(zhuǎn)速、轉(zhuǎn)盤(pán)扭矩和泵壓作為輔助變量；以轉(zhuǎn)盤(pán)轉(zhuǎn)速或泵壓作為因變量時(shí)，其他四種參數(shù)則作為輔助變量，從而得到三種主要判據(jù)參數(shù)的多因素時(shí)序模型及預(yù)測(cè)區(qū)間。運(yùn)用單因素建立的ARMA模型生成四種輔助變量的預(yù)測(cè)值，將四種輔助變量的預(yù)測(cè)值代入多因素時(shí)序模型中，計(jì)算出因變量的預(yù)測(cè)值，判斷因變量預(yù)測(cè)值是否在預(yù)測(cè)區(qū)間內(nèi)，當(dāng)預(yù)測(cè)值超出預(yù)測(cè)區(qū)間時(shí)，則可以在單因素判別的基礎(chǔ)上進(jìn)一步的確定當(dāng)前鉆井深度有可能發(fā)生某種類別的卡鉆事故，或未來(lái)附近深度即將發(fā)生此類別的卡鉆。

3 卡鉆類別判斷的實(shí)現(xiàn)

運(yùn)用單因素時(shí)間序列建模分析方法通過(guò)Eviews軟件建立反映鉆井工況的各參數(shù)的ARMA模型，在此，我們選取與卡鉆事故密切相關(guān)的五種數(shù)據(jù)，如：大鉤負(fù)荷、立管壓力、轉(zhuǎn)盤(pán)轉(zhuǎn)速、轉(zhuǎn)盤(pán)扭矩和泵壓，作為單因素預(yù)測(cè)模型的數(shù)據(jù)序列，建模如下：

大鉤負(fù)荷的ARMA模型：

[Wt=0.328 242Wt-2+αt+0.370 360αt-1] （5）

立管壓力的ARMA模型：

[St=1.083 639St-1-1.154 021St-2+0.766 552St-3+ βt-0.678 904βt-1+1.101 056βt-2-0.279 050βt-3] （6）

轉(zhuǎn)盤(pán)轉(zhuǎn)速的ARMA模型：

[Rt=1.295 208Rt-1-0.323 378Rt-2+ χt-0.935 216χt-1] （7）

轉(zhuǎn)盤(pán)扭矩的ARMA模型：

[Tt=0.241 226Tt-1-0.286 491Tt-2+0.789 175Tt-3+ δt+0.477 597δt-1+0.740 264δt-2-0.317 826δt-3] （8）

泵壓的ARMA模型：

[Xt=0.818 274Xt-1+εt] （9）

圖1則為大鉤負(fù)荷、轉(zhuǎn)盤(pán)轉(zhuǎn)速和泵壓實(shí)際ARMA模型及35次預(yù)測(cè)模型的功率譜偏差值的圖譜，其中最細(xì)的曲線表示大鉤負(fù)荷，最粗的曲線表示泵壓，粗細(xì)適中的曲線表示轉(zhuǎn)盤(pán)轉(zhuǎn)速。由圖中可以看出，轉(zhuǎn)盤(pán)轉(zhuǎn)速ARMA模型功率譜偏差值無(wú)明顯大幅度變化，可以排除壓差卡鉆的可能性；泵壓ARMA模型的功率譜偏差值在1 828 m時(shí)發(fā)生明顯跳變，則可以初步判斷在此鉆進(jìn)深度或未來(lái)附近深度有可能發(fā)生循環(huán)卡鉆；大鉤負(fù)荷ARMA模型的功率譜偏差值在1 833 m時(shí)波動(dòng)幅度明顯，因此，初步判定在此鉆進(jìn)深度或未來(lái)附近深度有可能發(fā)生機(jī)械卡鉆，以下再運(yùn)用多因素時(shí)序分析進(jìn)行進(jìn)一步卡鉆類別判斷。運(yùn)用多因素時(shí)間序列建模[8]方法，以95組正常鉆進(jìn)樣本數(shù)據(jù)建立的各參數(shù)多因素時(shí)間序列模型為：

大鉤負(fù)荷：

[Wt=81.857-0.917St+0.277Rt+0.871Tt-0.525Xt+αt] （10）

轉(zhuǎn)盤(pán)轉(zhuǎn)速：

[Rt=53.687+0.07Wt+0.272St-0.421Tt+0.149Xt+χt] （11）

泵壓：

[Xt=10.531-0.308Wt+0.744St+0.344Rt-0.40Tt+εt] （12）

圖1 各參數(shù)ARMA模型功率譜偏差值

表1為卡鉆事故發(fā)生前的部分實(shí)際鉆井?dāng)?shù)據(jù)，通過(guò)各參數(shù)的單因素和多因素時(shí)序模型可以得到其預(yù)測(cè)值，如表2、表3、表4所示。

表1 部分鉆井實(shí)際數(shù)據(jù)

運(yùn)用SPSS軟件對(duì)大鉤負(fù)荷、轉(zhuǎn)盤(pán)轉(zhuǎn)速及泵壓進(jìn)行多因素時(shí)間序列分析，分別得到大鉤負(fù)荷的預(yù)測(cè)區(qū)間：（79.857 7，90.825 6）；轉(zhuǎn)盤(pán)轉(zhuǎn)速的預(yù)測(cè)區(qū)間：（60.020 6，63.943 4）；泵壓的預(yù)測(cè)區(qū)間：（12.03，22.694 8）。

表2 機(jī)械卡鉆?大鉤負(fù)荷預(yù)測(cè)數(shù)據(jù)

表3 壓差卡鉆?轉(zhuǎn)盤(pán)轉(zhuǎn)速預(yù)測(cè)數(shù)據(jù)

表4 循環(huán)卡鉆?泵壓預(yù)測(cè)數(shù)據(jù)

通過(guò)數(shù)據(jù)比較，鉆進(jìn)在1 828 m處大鉤負(fù)荷及泵壓明顯超出其預(yù)測(cè)區(qū)間，且通過(guò)模型預(yù)測(cè)值可以看到在1 836 m處泵壓預(yù)測(cè)值回歸預(yù)測(cè)區(qū)間，但卻在偏小臨界值附近波動(dòng)，因此，可以判斷卡鉆有可能發(fā)生在1 828～1 835 m之間。由于在1 828 m處泵壓為突然降低，大鉤負(fù)荷為突然升高，脫離預(yù)測(cè)區(qū)間，則可以排除循環(huán)卡鉆的可能，再結(jié)合單因素ARMA模型功率譜偏差值的比較，可以判定鉆進(jìn)在1 828～1 835 m之間有可能發(fā)生機(jī)械卡鉆，而在實(shí)際鉆進(jìn)過(guò)程中，當(dāng)鉆至1 834 m處發(fā)生卡鉆，且為機(jī)械卡鉆中的泥包卡鉆。

4 結(jié) 語(yǔ)

通過(guò)上述建模分析可以得出，時(shí)間序列分析建模方法在卡鉆類別判斷中具有一定的應(yīng)用價(jià)值，且具備較高的可行性和可信度，能夠滿足鉆井工程中卡鉆類別判斷的要求，且將兩種判別依據(jù)同時(shí)運(yùn)用到類別判斷中，其綜合判斷能力將得到進(jìn)一步的提升，對(duì)于類別判斷結(jié)果將具備更高的說(shuō)服力。

參考文獻(xiàn)

[1] 蔣希文.鉆井事故與復(fù)雜問(wèn)題[M].2版.北京：石油工業(yè)出版社，2006.

[2] 魏武雄.時(shí)間序列分析：?jiǎn)巫兞亢投嘧兞糠椒╗M].2版.北京：中國(guó)人民大學(xué)出版社，2009.

[3] 方子良，高駿，王軍輝.多因素時(shí)間序列法的研究[J].南京理工大學(xué)學(xué)報(bào)，2003，27（3）：298?300.

[4] 尹邦勇，劉剛，陳紅.5種定向井卡鉆及預(yù)防措施[J].石油礦場(chǎng)機(jī)械，2010，39（11）：68?71.

[5] 于潤(rùn)橋.卡鉆事故預(yù)測(cè)技術(shù)研究[J].石油鉆探技術(shù)，1996，24（2）：15?17.

[6] 曹彤，喬宇.時(shí)間序列分析中的ARMA算法及其軟件實(shí)現(xiàn)[J].北京聯(lián)合大學(xué)學(xué)報(bào)，1996，10（2）：6?11.

[7] 唐玉娜，李啟會(huì).ARMA模型在預(yù)測(cè)問(wèn)題中的應(yīng)用[J].嘉興學(xué)院學(xué)報(bào)，2006，8（z1）：183?187.

[8] 汪冬華.多元統(tǒng)計(jì)分析與SPSS應(yīng)用[M].上海：華東理工大學(xué)出版社，2010.

轉(zhuǎn)盤(pán)轉(zhuǎn)速：

[Rt=53.687+0.07Wt+0.272St-0.421Tt+0.149Xt+χt] （11）

泵壓：

[Xt=10.531-0.308Wt+0.744St+0.344Rt-0.40Tt+εt] （12）

圖1 各參數(shù)ARMA模型功率譜偏差值

表1為卡鉆事故發(fā)生前的部分實(shí)際鉆井?dāng)?shù)據(jù)，通過(guò)各參數(shù)的單因素和多因素時(shí)序模型可以得到其預(yù)測(cè)值，如表2、表3、表4所示。

表1 部分鉆井實(shí)際數(shù)據(jù)

運(yùn)用SPSS軟件對(duì)大鉤負(fù)荷、轉(zhuǎn)盤(pán)轉(zhuǎn)速及泵壓進(jìn)行多因素時(shí)間序列分析，分別得到大鉤負(fù)荷的預(yù)測(cè)區(qū)間：（79.857 7，90.825 6）；轉(zhuǎn)盤(pán)轉(zhuǎn)速的預(yù)測(cè)區(qū)間：（60.020 6，63.943 4）；泵壓的預(yù)測(cè)區(qū)間：（12.03，22.694 8）。

表2 機(jī)械卡鉆?大鉤負(fù)荷預(yù)測(cè)數(shù)據(jù)

表3 壓差卡鉆?轉(zhuǎn)盤(pán)轉(zhuǎn)速預(yù)測(cè)數(shù)據(jù)

表4 循環(huán)卡鉆?泵壓預(yù)測(cè)數(shù)據(jù)

通過(guò)數(shù)據(jù)比較，鉆進(jìn)在1 828 m處大鉤負(fù)荷及泵壓明顯超出其預(yù)測(cè)區(qū)間，且通過(guò)模型預(yù)測(cè)值可以看到在1 836 m處泵壓預(yù)測(cè)值回歸預(yù)測(cè)區(qū)間，但卻在偏小臨界值附近波動(dòng)，因此，可以判斷卡鉆有可能發(fā)生在1 828～1 835 m之間。由于在1 828 m處泵壓為突然降低，大鉤負(fù)荷為突然升高，脫離預(yù)測(cè)區(qū)間，則可以排除循環(huán)卡鉆的可能，再結(jié)合單因素ARMA模型功率譜偏差值的比較，可以判定鉆進(jìn)在1 828～1 835 m之間有可能發(fā)生機(jī)械卡鉆，而在實(shí)際鉆進(jìn)過(guò)程中，當(dāng)鉆至1 834 m處發(fā)生卡鉆，且為機(jī)械卡鉆中的泥包卡鉆。

4 結(jié) 語(yǔ)

通過(guò)上述建模分析可以得出，時(shí)間序列分析建模方法在卡鉆類別判斷中具有一定的應(yīng)用價(jià)值，且具備較高的可行性和可信度，能夠滿足鉆井工程中卡鉆類別判斷的要求，且將兩種判別依據(jù)同時(shí)運(yùn)用到類別判斷中，其綜合判斷能力將得到進(jìn)一步的提升，對(duì)于類別判斷結(jié)果將具備更高的說(shuō)服力。

參考文獻(xiàn)

[1] 蔣希文.鉆井事故與復(fù)雜問(wèn)題[M].2版.北京：石油工業(yè)出版社，2006.

[2] 魏武雄.時(shí)間序列分析：?jiǎn)巫兞亢投嘧兞糠椒╗M].2版.北京：中國(guó)人民大學(xué)出版社，2009.

[3] 方子良，高駿，王軍輝.多因素時(shí)間序列法的研究[J].南京理工大學(xué)學(xué)報(bào)，2003，27（3）：298?300.

[4] 尹邦勇，劉剛，陳紅.5種定向井卡鉆及預(yù)防措施[J].石油礦場(chǎng)機(jī)械，2010，39（11）：68?71.

[5] 于潤(rùn)橋.卡鉆事故預(yù)測(cè)技術(shù)研究[J].石油鉆探技術(shù)，1996，24（2）：15?17.

[6] 曹彤，喬宇.時(shí)間序列分析中的ARMA算法及其軟件實(shí)現(xiàn)[J].北京聯(lián)合大學(xué)學(xué)報(bào)，1996，10（2）：6?11.

[7] 唐玉娜，李啟會(huì).ARMA模型在預(yù)測(cè)問(wèn)題中的應(yīng)用[J].嘉興學(xué)院學(xué)報(bào)，2006，8（z1）：183?187.

[8] 汪冬華.多元統(tǒng)計(jì)分析與SPSS應(yīng)用[M].上海：華東理工大學(xué)出版社，2010.

轉(zhuǎn)盤(pán)轉(zhuǎn)速：

[Rt=53.687+0.07Wt+0.272St-0.421Tt+0.149Xt+χt] （11）

泵壓：

[Xt=10.531-0.308Wt+0.744St+0.344Rt-0.40Tt+εt] （12）

圖1 各參數(shù)ARMA模型功率譜偏差值

表1為卡鉆事故發(fā)生前的部分實(shí)際鉆井?dāng)?shù)據(jù)，通過(guò)各參數(shù)的單因素和多因素時(shí)序模型可以得到其預(yù)測(cè)值，如表2、表3、表4所示。

表1 部分鉆井實(shí)際數(shù)據(jù)

運(yùn)用SPSS軟件對(duì)大鉤負(fù)荷、轉(zhuǎn)盤(pán)轉(zhuǎn)速及泵壓進(jìn)行多因素時(shí)間序列分析，分別得到大鉤負(fù)荷的預(yù)測(cè)區(qū)間：（79.857 7，90.825 6）；轉(zhuǎn)盤(pán)轉(zhuǎn)速的預(yù)測(cè)區(qū)間：（60.020 6，63.943 4）；泵壓的預(yù)測(cè)區(qū)間：（12.03，22.694 8）。

表2 機(jī)械卡鉆?大鉤負(fù)荷預(yù)測(cè)數(shù)據(jù)

表3 壓差卡鉆?轉(zhuǎn)盤(pán)轉(zhuǎn)速預(yù)測(cè)數(shù)據(jù)

表4 循環(huán)卡鉆?泵壓預(yù)測(cè)數(shù)據(jù)

通過(guò)數(shù)據(jù)比較，鉆進(jìn)在1 828 m處大鉤負(fù)荷及泵壓明顯超出其預(yù)測(cè)區(qū)間，且通過(guò)模型預(yù)測(cè)值可以看到在1 836 m處泵壓預(yù)測(cè)值回歸預(yù)測(cè)區(qū)間，但卻在偏小臨界值附近波動(dòng)，因此，可以判斷卡鉆有可能發(fā)生在1 828～1 835 m之間。由于在1 828 m處泵壓為突然降低，大鉤負(fù)荷為突然升高，脫離預(yù)測(cè)區(qū)間，則可以排除循環(huán)卡鉆的可能，再結(jié)合單因素ARMA模型功率譜偏差值的比較，可以判定鉆進(jìn)在1 828～1 835 m之間有可能發(fā)生機(jī)械卡鉆，而在實(shí)際鉆進(jìn)過(guò)程中，當(dāng)鉆至1 834 m處發(fā)生卡鉆，且為機(jī)械卡鉆中的泥包卡鉆。

4 結(jié) 語(yǔ)

通過(guò)上述建模分析可以得出，時(shí)間序列分析建模方法在卡鉆類別判斷中具有一定的應(yīng)用價(jià)值，且具備較高的可行性和可信度，能夠滿足鉆井工程中卡鉆類別判斷的要求，且將兩種判別依據(jù)同時(shí)運(yùn)用到類別判斷中，其綜合判斷能力將得到進(jìn)一步的提升，對(duì)于類別判斷結(jié)果將具備更高的說(shuō)服力。

參考文獻(xiàn)

[1] 蔣希文.鉆井事故與復(fù)雜問(wèn)題[M].2版.北京：石油工業(yè)出版社，2006.

[2] 魏武雄.時(shí)間序列分析：?jiǎn)巫兞亢投嘧兞糠椒╗M].2版.北京：中國(guó)人民大學(xué)出版社，2009.

[3] 方子良，高駿，王軍輝.多因素時(shí)間序列法的研究[J].南京理工大學(xué)學(xué)報(bào)，2003，27（3）：298?300.

[4] 尹邦勇，劉剛，陳紅.5種定向井卡鉆及預(yù)防措施[J].石油礦場(chǎng)機(jī)械，2010，39（11）：68?71.

[5] 于潤(rùn)橋.卡鉆事故預(yù)測(cè)技術(shù)研究[J].石油鉆探技術(shù)，1996，24（2）：15?17.

[6] 曹彤，喬宇.時(shí)間序列分析中的ARMA算法及其軟件實(shí)現(xiàn)[J].北京聯(lián)合大學(xué)學(xué)報(bào)，1996，10（2）：6?11.

[7] 唐玉娜，李啟會(huì).ARMA模型在預(yù)測(cè)問(wèn)題中的應(yīng)用[J].嘉興學(xué)院學(xué)報(bào)，2006，8（z1）：183?187.

[8] 汪冬華.多元統(tǒng)計(jì)分析與SPSS應(yīng)用[M].上海：華東理工大學(xué)出版社，2010.