基于时间序列算法的随钻自然伽马曲线预测方法技术

本发明专利技术应用在无线随钻测井参数预测技术领域，公开了一种基于时间序列算法的随钻自然伽马曲线预测方法，包括如下步骤：采集已钻井眼自然伽马曲线，建立时间序列上的随钻自然伽马曲线ARIMA模型，然后对钻头处的自然伽马曲线进行预测。通过对实钻数据的验证结果表明，该方法预测自然伽马曲线符合实际情况，能够先于随钻测量自然伽马曲线反映出钻头所遇地层的实际情况，不存在测量零长问题。

【技术实现步骤摘要】
基于时间序列算法的随钻自然伽马曲线预测方法
本专利技术属于无线随钻测井参数预测
，尤其是一种基于时间序列算法的随钻自然伽马曲线预测方法。
技术介绍
近年来，当地质情况复杂或在薄产层中进行钻井导向时，井下地质参数距离钻头之间的距离很关键。由于近钻头随钻测量技术难度大、成本高，与国外技术差距较大，还做不到近钻头LWD。在地质导向钻井中，LWD无线随钻仪器的传感器距离钻头有8-20m的距离，测量点的数据不能正确反映钻头位置的实际地层参数信息，智能测量距离钻头8-20m范围内的自然伽马参数，得不到钻头处的地层特性，无法判断进入储层的实际情况，给判断是否在储层内带来一定的困难。
技术实现思路
本专利技术的目的在于弥补现有技术的不足之处，提供一种基于时间序列算法的随钻自然伽马曲线预测方法，其利用信息处理技术及计算机智能对测点零长的随钻伽玛值进行预测，减少钻头地层特性的不确定性。为了解决上述技术问题，本专利技术采用如下技术方案：一种基于时间序列算法的随钻自然伽马曲线预测方法，包括以下步骤：步骤S1、建立数据集本文档来自技高网...

【技术保护点】
1.一种基于时间序列算法的随钻自然伽马曲线预测方法，其特征在于，包括以下步骤：/n步骤S1、建立数据集：采集已钻井眼的随钻伽马数据，进行数据清洗；/n步骤S2、根据原序列是否平稳以及回归部分的不同构建ARIMA模型；/n步骤S3、选取最佳的ARIMA模型：对建立的ARIMA模型进行验证并选取最佳参数；/n步骤S4、随钻自然伽马曲线预测：根据最优ARIMA模型，对钻头处自然伽马曲线值进行预测。/n

【技术特征摘要】
1.一种基于时间序列算法的随钻自然伽马曲线预测方法，其特征在于，包括以下步骤：
步骤S1、建立数据集：采集已钻井眼的随钻伽马数据，进行数据清洗；
步骤S2、根据原序列是否平稳以及回归部分的不同构建ARIMA模型；
步骤S3、选取最佳的ARIMA模型：对建立的ARIMA模型进行验证并选取最佳参数；
步骤S4、随钻自然伽马曲线预测：根据最优ARIMA模型，对钻头处自然伽马曲线值进行预测。


2.根据权利要求1所述的基于时间序列算法的随钻自然伽马曲线预测方法，其特征在于，所述步骤S1中数据清洗的过程为：从原始记录的随钻伽玛值中去除非钻进记录的伽玛值和奇异值，再进行测量井深平均化，得到已钻井眼的随钻伽玛值。


3.根据权利要求1所述的基于时间序列算法的随钻自然伽马曲线预测方法，其特征在于，所述步骤S2中...

【专利技术属性】
技术研发人员：宋晓健，马鸿彦，张所生，张爱兵，郑邦贤，陈立震，董晨曦，金平，李瑾，徐笑鸥，许雅潇，杜晶，
申请(专利权)人：中国石油集团渤海钻探工程有限公司，中国石油天然气集团有限公司，
类型：发明
国别省市：天津;12