面向小规模不均衡钻井数据集的丢失循环预测混合机器学习框架
《Scientific Reports》:A hybrid data-centric machine learning for lost circulation prediction using imbalanced drilling and geological datasets
【字体:
大
中
小
】
时间:2026年10月21日
来源:Scientific Reports 4.9
编辑推荐:
丢失循环仍然是钻井工程中最关键的运营挑战之一,但在实际作业条件下的预测建模往往受到严重失衡且有限的数据集的制约。以往的研究主要依赖单一的失衡处理技术或大规模数据集,而本研究则提出了一种专门针对小规模、多类别且高度偏斜的钻井数据集的顺序式、混合数据驱动机器学习框架。研究采用了来
丢失循环仍然是钻井工程中最关键的运营挑战之一,但在实际作业条件下的预测建模往往受到严重失衡且有限的数据集的制约。以往的研究主要依赖单一的失衡处理技术或大规模数据集,而本研究则提出了一种专门针对小规模、多类别且高度偏斜的钻井数据集的顺序式、混合数据驱动机器学习框架。研究采用了来自伊拉克南部Buzergan油田的258条作业记录,包括钻井参数、泥浆特性和地质指标,用于预测丢失循环的严重程度。与传统方法不同,本研究在分阶段工作流程中系统地集成了合成采样技术、集成学习(袋式法和堆叠法)以及代价敏感类权重优化,其中每个增强步骤都建立在前一步骤的基础上。重要的是,类权重是根据原始失衡分布计算得出,并转移到合成增强数据集中的,从而在保留真实失衡结构的同时提高了对少数类别的敏感性。超参数调优使用Optuna与树结构Parzen估计器(TPE)进行,模型评估重点采用Matthews相关系数(MCC)以确保在多类别失衡条件下的稳健性。结果表明,所提出的混合框架显著优于单独的过采样或集成策略。CatBoost模型结合合成少数类过采样技术(SMOTE)和优化后的自定义类权重取得了最高的分类性能(准确率:0.8846;加权F1:0.8651;MCC:0.8236;加权曲线下面积AUC-W:0.9154),而堆叠集成模型则表现出更优的排序能力(AUC-W:0.934)。本研究的主要创新之处在于:(1)将类权重视为可调超参数而非固定修正因子;(2)将合成数据生成与失衡感知加权进行顺序组合;(3)通过严格的分层交叉验证和干净留出测试来验证该框架以防止数据泄露。这种结构化的混合方法为钻井领域中其他小样本、不均衡分类问题提供了一个可适用的模板;将训练好的模型本身在其他油田进行验证仍属于未来的工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号