近日，我院王旱祥教授团队机械工程博士研究生杨春鹏在油气井侧钻切屑运移与提升效率预测研究方面取得新进展，相关研究成果《海洋油气井侧钻切屑运移特性及提升效率预测：基于CFD-DEM耦合与机器学习的方法》（Cuttings transport characteristics and lifting efficiency prediction in offshore oil and gas well sidetracking: A coupled CFD-DEM and machine learning approach）发表在《Ocean Engineering》。《Ocean Engineering》是海洋工程领域的重要国际学术期刊，最新影响因子为6.3（SCI二区Top）。论文第一作者为博士研究生杨春鹏，通讯作者为王旱祥教授，中国石油大学（华东）为唯一署名单位和唯一通讯单位。该研究得到国家自然科学基金、山东省自然科学基金及中国石油大学自主创新科研计划项目等资助。
论文首页
针对海洋油气井套管开窗侧钻过程中金属切屑运移复杂、提升效率难以快速准确预测的问题，研究建立了CFD-DEM耦合模型，系统分析了环空流场、金属切屑运移特征及不同参数对提升效率的影响规律。结果表明，铣锥螺旋流道能够通过局部导流与流体加速增强流体和切屑间的动量交换，促进切屑向上运移；钻井液流量和黏度是影响切屑提升效率的主要因素。在此基础上，研究构建了融合CFD-DEM与机器学习的提升效率预测方法，对比了不同机器学习模型的预测性能。结合SHAP特征贡献分析与特征消融试验，定量揭示了不同参数对提升效率的影响程度，其中钻井液流量和黏度对切屑提升效率的贡献最大，贡献率分别为33.7%～42.5%和32.9%～37.6%。
海上油气井套管开窗侧钻及切屑运移示意图
该研究揭示了海洋油气井侧钻过程中金属切屑的运移特征及主要影响因素，建立了融合CFD-DEM耦合仿真与机器学习的切屑提升效率快速预测方法，为海洋油气井侧钻作业中的切屑运移评价、钻井液参数调整及施工效率提升提供了科学依据。
论文链接：https://doi.org/10.1016/j.oceaneng.2026.128718
