一种复杂地质钻进过程双层智能钻速建模系统技术方案

本发明专利技术公开了一种复杂地质钻进过程双层智能钻速建模系统，包括：样本数据集的获取模块，用于运用分段三次埃尔米特插值方法将部分缺失数据补齐并获得样本数据集；地层可钻性子模型建立模块，用于采用Nadaboost‑ELM算法建立地层可钻性子模型；相关性分析模块，用于基于Pearson相关性分析方法确定与钻速相关性较强的参数；钻速子模型建立模块，用于运用改进的PSO‑RBF算法建立钻速子模型；本发明专利技术建模系统克服了以前钻速建模中未将地层可钻性这一关键参数和钻速分层次并形成统一架构，和使用确定性或单一智能建模方法带来的缺陷，提高了钻速建模的精度和泛化能力，为复杂地质钻进过程智能控制打下了良好的基础。

【技术实现步骤摘要】
一种复杂地质钻进过程双层智能钻速建模系统
本专利技术属于复杂地质钻进过程智能控制领域，尤其涉及一种复杂地质钻进过程双层智能钻速建模系统。
技术介绍
资源能源安全是国家安全的重要组成部分，也是国家经济可持续发展的关键之一。保障资源能源安全应立足于国内。随着浅层矿产资源的日益枯竭、深部成矿理论的发展以及国内外大量深部矿产资源的探明使得深部地质勘探和开发成为必然。复杂地质钻进过程是穿越多种复杂地层抵达目标区域并获取完整岩心的过程。深部复杂地质钻进过程存在风险大、成本高，资源难以转化为现实生产力等问题，而预测钻速并优化操作参数能够有效的解决上述问题。因此，建立钻速模型是智能控制的前提，同时也是实现复杂地质钻进过程安全高效目标的重要基础。钻速是指钻进系统每小时的进尺量，它是决定钻进效率的最重要的参数。钻速主要受地层属性参数和钻进工艺参数两类参数的影响，地层属性参数可分为地震参数和测井参数两类，而地层可钻性是一种反映地层属性的地层特征参数，钻进工艺参数又可分为录井参数和钻井参数两类。这五类参数都对钻速具有重要影响，同时，它们之间具有非线性、强耦合等特点。地层可钻性对钻速具有直接而重要的影响，除了钻井参数和录井参数对钻速产生直接影响外，其他参数大多通过地层可钻性这一个地层特征参数来影响钻速，但是地层可钻性在实际生产中难以检测。复杂地质钻进过程的特点决定了地层特征参数、地震参数、测井参数、录井参数和钻井参数对钻速的影响方式和途径并不相同，如果将所有的参数作为同等地位的输入建立钻速模型将会导致模型的解释性较差，难以清晰地反映出各种参数对钻速的影响。目前，钻速建模研究都是将地层可钻性等反应地层属性的参数及其他参数一起作为钻速模型的输入，建立单层钻速模型，建立单层钻速模型的方法主要有两类。一类是利用传统统计回归的方法建立钻速模型；一类是利用神经网络、支持向量回归等智能方法建立钻速模型。上述方法是将地层可钻性这一直接影响钻速的关键参数与钻速分开描述，没有形成统一架构，从而导致钻速模型的解释性较差的问题。因此，融合多种形式的子模型进行多层次、多模型、多种智能建模方法协同描述是实现钻速建模的一种新途径；同时，在双层建模的思想下每层均采用智能建模方法解决了使用传统非线性回归或单一智能建模方法导致模型精度和泛化能力较差的问题。
技术实现思路
本专利技术的目的是提出一种复杂地质钻进过程双层智能钻速建模系统，通过融合分层、优化和智能建模的思想，建立了地质勘探中复杂地质钻进过程双层智能钻速模型架构，能够有效提高钻速模型的精度和泛化能力，为地质勘探中复杂地质钻进过程智能控制打下了良好的基础。为了实现上述技术目的，本专利技术所采用的技术方案是：一种复杂地质钻进过程双层智能钻速建模系统，包括：样本数据集的获取模块，用于通过复杂地质钻进过程机理分析，确定影响钻速的参数为地震层速度、地层深度、地震声波时间、比钻压、转速、比水功率、泥浆密度等；运用分段三次埃尔米特插值方法将地震声波时间数据和地层深度进行对应补齐，获得样本数据集；地层可钻性子模型建立模块，用于采用Nadaboost-ELM算法建立地层可钻性子模型，并使用样本数据集对该子模型预测方法进行仿真验证；相关性分析模块，用于基于Pearson相关性分析方法确定与钻速相关性较强的参数，并将与钻速相关性较强的参数作为钻速子模型的输入参数；钻速子模型建立模块，用于根据钻速子模型输入参数，运用改进的PSO-RBF算法建立钻速子模型，形成复杂地质钻进过程双层智能钻速建模架构；并使用样本数据集对该子模型预测方法进行仿真验证。进一步地，所述地层可钻性子模型建立模块包括：参数选定单元，用于在样本数据集中对地震层速度、地层深度、地震声波时间、比钻压、转速这5个参数的选定；第二运算单元，用于对参数选定单元选定的参数作为地层可钻性子模型的输入，使用Nadaboost-ELM算法输出地层可钻性参数，根据输出参数建立地层可钻性子模型。进一步地，所述相关性分析模块包括：第三运算单元，用于根据Pearson相关性系数的公式：得到每个输入参数与钻速之间的相关性系数；其中，N是数据集的个数，xi是输入参数，yi是钻速，r是每个输入参数与钻速之间的Pearson相关性系数；与钻速相关性较强的输入参数确定单元，用于根据Pearson相关性系数的公式对地震层速度、地层深度、比钻压、转速、比水功率、泥浆密度这6个参数进行Pearson相关性分析，得到地震层速度、地层深度、比钻压、转速、泥浆密度这5个参数与钻速具有较高的相关性。进一步地，所述钻速子模型建立模块包括：样本数据集预处理单元，用于对样本数据集的归一化处理；其中，xnorm是归一化后的数据集，x是真实的数据集，xmin是数据集中最小的数据，xmax是数据集中最大的数据；第四运算单元，用于根据下面三个公式计算隐含层和输出层之间的权值；其中，R是隐含层的激活函数，||xi-ci||2是欧拉范数，xi是输入参数，ci是RBF函数的中心，σi是RBF函数的方差，cmax是RBF函数中心之间的最远距离，h是聚类中心的数量，wi是隐含层和输出层之间的权值；第五运算单元，用于根据下面的公式计算总目标输出，即钻速；其中，y是总目标输出，即钻速，s是第二运算单元中Nadaboost-ELM算法的输出，即地层可钻性，其他参数之前均有提到；第六运算单元，用于对改进的PSO-RBF算法建立钻速子模型；通过改进的PSO算法优化RBF神经网络的Spread参数能够得到最优的模型性能参数。本专利技术基于其技术方案所具有的有益效果在于：(1)本专利技术通过对钻进过程进行机理分析，确定影响钻速的各类参数，基于分段三次埃尔米特插值方法将部分缺失的数据补齐并获得样本数据集，能够为后面的建模工作奠定良好的基础；(2)在获得样本数据集的基础上，采用Nadaboost-ELM算法建立地层可钻性子模型，能够通过融合多种地层可钻性子模型获得更优的预测效果；(3在建立地层可钻性子模型的基础上，基于Pearson相关性分析方法确定与钻速相关性较强的参数，作为钻速子模型的输入参数，可以有效克服模型输入参数之间的耦合问题；(4)基于得到的钻速子模型输入参数，运用改进的PSO-RBF算法建立钻速子模型，并使用样本数据集记性该子模型预测方法的仿真验证，有利于本专利技术在实际生产中应用。附图说明图1是本专利技术的复杂地质钻进过程双层智能钻速建模系统的框架图。图2是复杂地质钻进过程。图3是测量和插值的地震声波时间对比图。图4是随Spead参数变化的地层可钻性子模型均方根误差图。图5是随隐含层节点数变化的地层可钻性子模型均方根误差图。图6是不同建模方法的地层可钻性结果图。图7是不同建模方法的钻速结果图。图8是随迭代次数变化的改进的PSO-RBF算法均方根误差图。图9是本专利技术的复杂地质钻进过程双层智能钻速建模的钻速模型架构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。实施例一本专利技术的实施例提供了一种复杂地质钻进过程双层智能钻速建模系统，能够有效提高钻速模型的精度和泛化能力，为复杂地质钻进过程智能控制打下了良好的基础。请参阅图1，本专利技术的复杂地质钻进过程双层智能钻速建模系统包括：样本数据集的获取模块100，用本文档来自技高网...

【技术保护点】
一种复杂地质钻进过程双层智能钻速建模系统，其特征在于，包括：样本数据集的获取模块，所述样本数据集的获取模块包括样本参数确定单元和第一运算模块；所述样本参数确定单元用于通过复杂地质钻进过程机理分析，确定影响钻速的参数为地震层速度、地层深度、地震声波时间、比钻压、转速、比水功率、泥浆密度等；所述第一运算模块用于运用分段三次埃尔米特插值方法将地震声波时间数据和地层深度进行对应补齐，获得样本数据集；地层可钻性子模型建立模块，用于采用Nadaboost‑ELM算法建立地层可钻性子模型，并使用样本数据集对该子模型预测方法进行仿真验证；相关性分析模块，用于基于Pearson相关性分析方法确定与钻速相关性较强的参数，并将与钻速相关性较强的参数作为钻速子模型的输入参数；钻速子模型建立模块，用于根据钻速子模型输入参数，运用改进的PSO‑RBF算法建立钻速子模型，形成复杂地质钻进过程双层智能钻速建模架构；并使用样本数据集对该子模型预测方法进行仿真验证。

【技术特征摘要】
1.一种复杂地质钻进过程双层智能钻速建模系统，其特征在于，包括：样本数据集的获取模块，所述样本数据集的获取模块包括样本参数确定单元和第一运算模块；所述样本参数确定单元用于通过复杂地质钻进过程机理分析，确定影响钻速的参数为地震层速度、地层深度、地震声波时间、比钻压、转速、比水功率、泥浆密度等；所述第一运算模块用于运用分段三次埃尔米特插值方法将地震声波时间数据和地层深度进行对应补齐，获得样本数据集；地层可钻性子模型建立模块，用于采用Nadaboost-ELM算法建立地层可钻性子模型，并使用样本数据集对该子模型预测方法进行仿真验证；相关性分析模块，用于基于Pearson相关性分析方法确定与钻速相关性较强的参数，并将与钻速相关性较强的参数作为钻速子模型的输入参数；钻速子模型建立模块，用于根据钻速子模型输入参数，运用改进的PSO-RBF算法建立钻速子模型，形成复杂地质钻进过程双层智能钻速建模架构；并使用样本数据集对该子模型预测方法进行仿真验证。2.根据权利要求1所述的一种复杂地质钻进过程双层智能钻速建模系统，其特征在于，所述地层可钻性子模型建立模块包括：参数读取单元，用于读取样本数据集中地层深度、地层可钻性、地震层速度、比钻压、转速、比水功率、泥浆密度、机械钻速、地震声波时间这9个参数；第二运算单元，用于对参数读取单元读取的参数作为地层可钻性子模型的输入，使用Nadaboost-ELM算法输出地层可钻性参数，地层可钻性参数地层可钻性、地层深度、比钻压、转速、比水功率、泥浆密度这6个参数，根据输出参数建立地层可钻性子模型。3.根据权利要求1所述的一种复杂地质钻进过程双层智能钻速建模系统，其特征在于，所述相关性分析模块包括：第三运算单元，用于根据Pearson相关性系数的公式：得到每个输入参数与钻速之间的相关性系数；其中，N是数...

【专利技术属性】
技术研发人员：吴敏，甘超，曹卫华，陈鑫，胡郁乐，宁伏龙，陈茜，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42