井漏是钻井工程亟需解决而又未解决好的难题,其主要原因之一是对井下裂缝特征认识不清。漏层位置、裂缝宽度等关键参数的获取是地层防漏堵漏的取得成功的前提。但由于地层的复杂性、随机性、工程因素的干扰性,现有的测试计算方法都难以确定、描述出这些参数在原始条件下的真实情况,极大的影响了堵漏效率。本文以同区块不同井的井史的数据为训练集,监督训练后建立了适宜的神经网络模型,并将其应用于该区块的漏失关键参数漏层位置及裂缝宽度的预测当中。最后,通过对防漏堵漏配方进行学习优化,得到了适用于不同裂缝宽度的防漏堵漏钻井液体系配方。主要研究内容如下:(1)调研分析井漏的影响因素,优选出了钻井液密度、钻速、钻井液静切力、钻井液粘度、井眼直径、钻井液排量、泵压、漏失通道性质和地层孔隙压力作为预测漏失层位置的输入特征量。以井史资料记录分析的实际井漏位置为评判,建立了适用于本区块的漏失层位置基于BP神经网络预测模型。选用生物地理算法优化了 BP神经网络,预测结果十分接近于实际井漏位置,整体误差不超过10%。(2)调研分析井史的资料,选择了塑性粘度、漏失速度、漏失量、钻井液静切力、钻速、井深、泵压和排量作为预测裂缝宽度的输入特征量,基于BP神经网络建立了适用于本区块裂缝宽度预测模型,并选用遗传优化算法优化BP神经网络。优化后误差降低了 7.21%,与实际各漏失裂缝宽度相比,预测误差值低于10%,达到了预测裂缝宽度的目的。(3)以系列刚性矿物颗粒封堵剂GZD和植物纤维GDJ为堵漏材料,并通过室内实验得到了 1.O×0.5mm、1.5×1.Omm、2.O×1.5mm和3.O×3.Omm,4种不同裂缝宽度的防漏堵漏配方;并以实验中产生的数据为训练集、以是否成功为评判,建立了堵漏配方预测神经网络模型,以此模型预测出的用于其他裂缝宽度的堵漏配方,实验验证一次成功。