LUU Quang Hung，LAU Man Fai，NG Sebastian P.H.，TING Clement P.W.，WEE Reuben，THEN Patrick H.H.

（1.斯威本科技大学科学、工程与技术系，霍桑 3122，澳大利亚；2.斯威本科技大学工程、计算与科学系，砂拉越 93350，马来西亚；3.IDS公司，砂拉越 93100，马来西亚）

0 引言

可靠地预测钻井周期是油气勘探开发规划中的一项重要工作[1]。目前在预测和优化钻井周期时，主要的关注点集中在钻速模拟方面。有研究者对传统的钻速模型[2-8]进行了改进，引入了一些重要的变量来描述钻井过程，将这种改进后的模型称为半经验模型，其中的变量经过多次回归后可得到预测函数。近年来，利用各种钻井数据，结合计算资源，现代钻速模型的应用越来越广泛[9]。这些模型大多数都是数据驱动的，可通过应用各种统计方法和机器学习技术（如人工神经网络（ANN）技术[10-12]、随机森林算法[11,13]、支持向量机方法[13]）得到。

虽然钻速模拟是评估钻井效率的重要方法，但总钻井周期不是只由钻速决定。先前的研究[14-15]指出，提高瞬时钻速和平均钻速不一定能降低钻井成本。这是因为钻井施工包括多个过程，从钻机动员、为更换磨损钻头起出井底钻具组合、下套管和固井到解决偶然事件，其中许多过程都不会直接影响钻速。总钻井周期也受到非生产因素的影响，如钻井设备失效、井下落物打捞时间比预期时间长、遭遇恶劣天气等。在整个钻井施工过程中，非生产时间可能会持续多日，与机械钻井所花费的生产时间相当。因此，建立钻井周期预测模型有利于更好地制定钻井计划。

钻井周期预测模型可使用确定性方法或概率法得到。……