АНАЛИЗ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ БУРЕНИЯ СКВАЖИН
Аннотация
Настоящая статья посвящена комплексному обзору математических моделей, применяемых для описания процессов бурения скважин в условиях переменной прочности горных пород, характерных для сложных и неоднородных геологических разрезов. В условиях резких изменений литологии, сопровождающихся флуктуациями прочностных и деформационных характеристик горных пород, традиционные подходы к прогнозированию механической скорости проходки и выбору бурового режима становятся недостаточно эффективными. В связи с этим особую актуальность приобретают модели, учитывающие динамическое поведение бурового инструмента и взаимодействие с неоднородной средой. Рассматриваются четыре основных класса моделей — физикомеханические, энергетические, кинематические и эмпирические. Каждая группа систематизирована по типу исходных параметров, степени точности, адаптивности к изменяющимся условиям и реализуемости в инженерной практике. Особое внимание уделено современным интеллектуальным подходам, таким как нейросетевые структуры, нечеткие логические системы и гибридные алгоритмы, способные к самообучению и работе в режиме реального времени. Сделан вывод о необходимости построения мультикомпонентных моделей, совмещающих физические принципы и методы машинного обучения, что позволяет повысить надёжность инженерных прогнозов, минимизировать риски и обеспечить устойчивость бурения в условиях высокой литологической изменчивости.
Об авторах
Список литературы
Maurer, W. C. (1962). The “Perfect-Cleaning” Theory of Rotary Drilling. Journal of Petroleum Technology,
(11), 1270–1274.
Teale, R. (1965). The Concept of Specific Energy in Rock Drilling. International Journal of Rock Mechanics
and Mining Sciences, 2(1), 57–73.
Toshniyozov L.G., Toshov J.B., Liu Songyong, Research of the stress-strain state of the rock in contact with
the elements of the drill bit during drilling // Technical science and innovation Article 17, Vol. 2020, Issue 3, (2020).
- 112-121
Bourgoyne, A. T., & Young, F. S. (1974). A Multiple Regression Approach to Optimal Drilling and Bit
Performance (SPE Paper No. 4926). Society of Petroleum Engineers.
Kalantari, S., Hashemalhosseini, H., & Baghbanan, A. (2018). Estimating rock strength parameters using
drilling data. International Journal of Rock Mechanics and Mining Sciences, 104, 45–52.
https://doi.org/10.1016/j.ijrmms.2018.02.005
Ayoub, M., Goh, S., Diab, D., & Ahmed, Q. (2017). Modeling of Drilling Rate of Penetration Using Adaptive
Neuro-Fuzzy Inference System. International Journal of Applied Engineering Research, 12(22), 12880–12891.
Hegde, C., & Gray, K. E. (2017). Use of Machine Learning and Data Analytics to Increase Drilling Efficiency
for Nearby Wells. Journal of Natural Gas Science and Engineering, 40, 327–335.
https://doi.org/10.1016/j.jngse.2017.02.010
Al Hamlawi, I. T., et al. (2021). MSE Based Drilling Optimizer Project for Large National Drilling Contractor.
In Proceedings of the SPE Annual Technical Conference and Exhibition, Abu Dhabi. Paper D032S234R001.
Стеклянов Б.Л., Штейнерт В.А., Рахимов Р.М. Динамические составляющие породоразрушающих
бурильных инструментов / «Steinert Industries GmbH & Co. KG», №6, - 2008, С. 19-21.
Тошов Ж. Б. Повышение эффективности бурения взрывных скважин на карьерах за счёт разработки
нового комбинированного долота: дис. … канд. техн. наук: 05.15.11 – Физические процессы горного
производства / Навоийский гос. горный ин-т. – Навоий, 2007. – 138 с.
Гурина Е. Г., Ключников Н. Ю., Поспелов А. Н. (2023). Гибридные модели для оценки аварийности
при бурении на основе телеметрии и машинного обучения. // Сборник научных трудов ТПУ. — №2. — С. 45–
OnePetro Technical Paper (2025). Hybrid Physics-ML Models for Real-Time ROP Prediction. // SPE/IADC
Drilling Conference & Exhibition. https://www.onepetro.org/conference-paper/SPE-215400-MS
Willard J., Jia X., Xu L., Steinbach M., Kumar V. (2021). Integrating Physics-Based Modeling with Machine
Learning: A Survey. // arXiv preprint arXiv:2003.04919.
Как цитировать

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.