Page 117 - 2024年第55卷第11期

一个值相同的数据点，同时标记此类钻进段。
为更好利用各异常钻进过程的数据特征，表 １给出了相应识别准则和处理方法。

图 ６ 尾部平台段
表 １ 异常钻进过程数据识别和处理方法

异常钻进过程 典型特征 识别准则 处理方式
过短钻进段 钻进时间缩短，无法达到预期钻进距离 阈值设定方法 删除此类钻进过程
连续时间区 间 内，数 据 的 分 布 或 特 征 发
数据漂移段 钻进速度＞０．０１ｍｍ?ｍｉｎ 删除并重新插补相关数据
生显著变化
从末尾反向 遍 历 钻 进 位 移，标 记 末 尾 值
尾部平台段 钻进位移长时间停滞在某个位置 删除相关数据
小于 ０．５ｍ钻进

３．３ 钻进数据缺失插补 采取在正常钻进位移数据上手动设置缺失值的实验方法，对比分析两点线性
插补、线性拟合插补、多项式拟合插补以及 ＲＦ拟合插补 ［２１］ ４种方法的插补效果。其中，两点线性插
补是根据钻进位移特征提出的一种新方法，即通过连接两个已知坐标点的直线来预测中间缺失段，实
现缺失段数据插补，可实现较高的精度和运算速度。
（ １）数据缺失试验设置：首先，从钻进时间超过 １０００ｓ的区间中随机选取一段。接着，从选定的
钻进区间中移除中间连续 ２００ｓ数据，被移除的数据将作为后续进行数据插补的目标。具体的数据缺
失设置示意图见图 ７。这两个案例中，案例 １的数据缺失率为 ６．７％，案例 ２的数据缺失率为 １７．１％。

图 ７ 数据缺失示意图

（２）插补效果评价：通过对原始钻进位移数据和插补后的钻进位移数据进行均方根误差（ＲＭＳＥ）、
平均绝对误差（ＭＡＥ）和平均相对误差（ＭＲＥ） ［２２］ 的测量，以评估插补效果。
图 ８展示了基于 ４种插补方法对不同缺失率的插补效果。图 ９展示了 ４种方法评估指标的直方图。
可以看出，不同数据缺失率下，两点线性插补方法均取得了最低的误差指标，平均 ＲＭＳＥ、平均 ＭＡＥ
和平均 ＭＲＥ分别为 ０．００１２、０．００１、０．００１２。ＲＦ拟合插补在面对不同的缺失率时会呈现不同的插补效
果。这是因为 ＲＦ拟合插补的效果很大程度上受结构参数和训练数据量的影响 ［２３］ ，如图 ７（ｂ）所示，
较高的缺失率意味着训练数据量减少，导致模型的插补效果变差。线性拟合插补和多项式拟合插补则
表现较为平均，其误差指标相对较小，对于一些钻进位移数据趋势简单、计算要求不高的场景，能够

３
— １ ８ ３ —