钻探成本占 EGS 系统总成本的 60%以上。因此,钻井工艺优化对于 EGS 的成功至关重要,尤其是在钻井资料有限的情况下。本文利用人工神经网络(ANN)模型,结合某 EGS 工程中两口距地表 6 m 的井的钻井资料,对钻速(ROP)进行了预测。比较了 10 个使用单井或两口井的数据的钻井数据案例。输入参数包括深度、孔隙压力梯度、循环当量泥浆密度、钻压、转速、齿轮磨损率、泥浆密度、流量和泥浆粘度。将相邻井预测深度前的短数据段与预测井预测前以平方根方式重新采样的数据相结合,得到了最小的误差。这种数据设置方式使平均误差为 18.5%。除了强调以平方根方式将数据重新采样的正向作用外,该评估还显示了在训练过程中将相邻井预测深度的数据集包括在内的负面影响。