近日，我院安全科学与工程专业博士研究生张紫衡在深水钻井气侵早期声学监测方法研究方面取得重要进展，相关研究成果《基于多尺度模糊散度熵的深水钻井气侵定量识别算法研究》（Research on gas kick identification and quantification algorithm in deep-water drilling based on multiscale fuzzy diversity entropy）发表在《Process Safety and Environmental Protection》并被评选为期刊封面文章。《Process Safety and Environmental Protection》是工艺安全与环境领域的国际顶级期刊（二区TOP），目前影响因子为7.8。论文第一作者为博士研究生张紫衡，通讯作者为殷晓康教授，中国石油大学（华东）为唯一通讯单位。该研究得到了国家自然科学基金、“泰山学者”项目以及国家市场监督管理总局科技计划项目的联合资助。
期刊封面
论文首页
深水钻井油气勘探过程中，气侵会导致钻井液密度下降并显著增加井喷事故风险，因此对井筒内含气率状态进行准确的监测与识别可有效预防该类事故的发生。现有基于超声多普勒效应的深水钻井气侵监测方法通过在隔水管外壁布设超声传感器以采集声波信号，从而实现对气侵程度的实时监测与预警。然而，由于在气侵过程中经常伴随气泡聚并、破碎及相间滑移等现象，致使隔水管内部的含气率变化与声波接收信号响应之间呈现强非线性关系，从而增加了气侵定量识别的难度。为此，本研究提出一种基于多尺度模糊散度熵的气侵程度定量识别算法：该算法首先提取声波接收信号在不同时间尺度上的特征熵值，并通过引入模糊隶属函数替代传统硬分类策略，以增强对特征熵值边界划分模糊问题的适应性；随后将多尺度特征熵值作为输入引入机器学习模型，从而实现对多种工况条件下不同气侵程度的定量识别。
基于多尺度模糊散度熵的气侵定量识别算法框架
论文链接：https://doi.org/10.1016/j.psep.2026.108417
