作者简介：彭炽（1991—），西南石油大学副研究员，主要从事油气井流体力学、机器学习方面的教学与科研工作。
E-mail：pengchiswpu@swpu.edu.cn
通信作者：林铁军（1980—），西南石油大学研究员，主要从事油气井工程力学及仿真、钻完井技术及井下工具研发和稠油地热井热流固多场耦合研究。
E-mail：cwctltj@swpu.edu.cn
基金项目：国家自然科学基金青年基金项目“空化-磨料-射流联合辅助破碎干热岩机理研究”（编号：52104006）、四川省自然基金面上项目“四川盆地超深井溢流智能监测与地层高压智能反演模型研究”（编号：2025ZNSFSC0373）。
基于TimeGAN-LSTM-MLP的钻井溢流智能监测模型
彭 炽1，万 兴1，林铁军1，李庆峰2，苏 昱3，杨 赟4
1 西南石油大学
2 中国石油塔里木油田公司
3 中国石油新疆油田公司采油工艺研究院
4 中国石油川庆钻探工程有限公司钻采工程技术研究院
摘要：由于钻井现场实钻溢流数据较少，导致智能溢流监测模型训练困难，准确度和泛化能力较差，为此，文章提出一种基于时间序列生成对抗网络（TimeGAN）的溢流时序数据扩增方法，通过真实溢流数据生成人工溢流样本，并利用长短期记忆神经网络（LSTM）提取井口多元时序特征，多层感知机（MLP）完成分类任务，构建溢流智能监测模型。利用四川盆地深层页岩气井实钻数据，分析了不平衡数据处理技术及样本不平衡比对模型监测性能的影响，同时通过消融实验探讨各模块对溢流识别的贡献。结果表明，TimeGAN 优于其他数据平衡处理技术，模型在样本不平衡比为 1 时的准确率、召回率、精确率及 F 值最高，表明保证样本类别平衡是构建可靠溢流监测模型的关键。经现场验证，模型在四川某页岩气井成功实现高效准确的实钻溢流监测，展现出良好的应用潜力。关键词：TimeGAN；溢流监测；机器学习；时间序列；不平衡样本测
引用本文：彭 炽，万 兴，林铁军，等. 基于TimeGAN-LSTM-MLP的钻井溢流智能监测模型［J］. 钻采工艺，2026，49（1）：171-183PENG Chi，WAN Xing，LIN Tiejun，et al. Intelligent Kick Detection Model During Drilling Based on TimeGAN-LSTM-MLP［J］. Drilling and Production Technology，2026，49（1）：171-183
发布者：cubeoil，转转请注明出处：https://www.cubeoil.com/archives/106224
