中国安全科学学报

作者：武胜男, 张来斌, 胡一鸣, 崔蓉, 刘书杰, 殷志明

单位：1 中国石油大学(北京) 安全与海洋工程学院,北京 102249；2 应急管理部 油气生产安全与应急技术重点实验室,北京 102249；3 中海油安全技术服务有限公司,天津 300450；4 中海油海南能源有限公司,海南 海口 570100；5 中海油研究总院有限责任公司,北京 100028

关键词：溢流风险,识别模型,改进极限学习机(IELM),神经网络,表征参数

基金：国家重点研发计划项目(2022YFC2806504)

为提升钻井过程已发溢流风险的识别准确率,融合特征工程与机器学习方法,建立一种多类别溢流风险智能识别模型。首先,基于现场实测溢流数据,采用小波变换实现噪声抑制;其次,结合光滑样条函数提取关键参数的动态变化趋势,据此分析溢流特征参数的异常波动行为,建立低、中、高3类风险等级的判定准则,根据钻井数据的变化特征标记溢流风险;然后,引入麻雀搜索算法(SSA)优化极限学习机(ELM),构建基于改进型ELM(IELM)的多分类溢流风险智能识别模型;最后,所构建的风险数据集进行模型训练、调优与测试,验证模型的识别性能。结果表明:IELM模型在分类精度与判别稳定性方面均优于原始ELM及反向传播(BP)神经网络模型,能够更准确和高效地识别不同等级的溢流风险。

来源：2026年第1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2026年第1期