一种基于模糊决策树的钻井漏失机理预测及辅助决策方法技术

本申请实施例提供了一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，属于数据挖掘领域及钻井液堵漏领域。所述方法包括：采集历史钻井数据、历史堵漏案例及现场实时钻井数据；针对采集到的数据资料进行数据预处理；将历史钻井数据划分为训练集和测试集，并选取训练集生成漏失机理预测模糊决策树；再选取训练集生成堵漏配方推送模糊决策树；根据漏失机理预测模糊决策树确定漏失机理预测模糊决策规则，并判断漏失机理；根据生成的堵漏配方推送模糊决策树确定堵漏配方推送模糊决策规则，并进行堵漏配方推送；以判断的漏失机理和推送的堵漏配方为参考进行防漏堵漏辅助决策，从而减少井漏事故的发生次数以及增大发生漏失后一次堵漏的成功率。

【技术实现步骤摘要】
一种基于模糊决策树的钻井漏失机理预测及辅助决策方法
本专利技术涉及一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，属于数据挖掘领域及钻井液漏失堵漏领域。
技术介绍
伴随着石油工程工业的高效快速发展，钻井的重心逐渐向低渗、裂缝性这些难度系数比较大的油气藏转变，而且转变的比例一直在增加。在这个过程中，井漏问题始终都是相当严重的问题。在钻井过程中发生一旦发生井漏很容易导致井下压力无法达到平衡从而引发卡钻、井塌等井下事故，影响钻进工作，造成经济损失。除此之外还会改变井筒内钻井液的性能，使其无法满足钻井要求，从而影响油气井产能，甚至会中断地质录井，影响储层资料分析。当前我国针对钻井漏失机理预测问题的方法主要有两种：（1）利用测井资料和室内岩石力学实验相结合的方法，针对某一特定区块已经发生漏失后得到的漏失参数，并通过一些数学公式进行数据拟合，最终得出诱导性裂缝的诱导公式，从而根据诱导公式得到漏失机理，该方法优点是在判断诱导性裂缝漏失时精度尚可，但其对天然裂缝漏失无能为力，并且需要针对不同的漏失机理得到不同的诱导公式，因此工作量较大；（2）利用各类数值仿真模拟软件，将测井资料作为参数进行建模，通过建模结果判断井漏机理，该方法优点是不需要提前知晓井漏机理，仅仅通过参数建模就能对井漏机理进行分析，时效性较强，但是井漏是一种多因素融合的现象，地质因素、流体因素、仪器因素、人力因素等都是井漏事故发生的必要因素，而受制于当前模拟软件的功能，并不可能对所有因素进行分析，因此该方法精确度不够，难以满足工程现场的实际应用要求。
技术实现思路
针对现有技术中漏失机理及辅助决策方法的不足，本专利技术的目的在于提出一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，该专利技术通过对预处理后的历史钻井数据、堵漏案例等数据资料进行大数据分析与挖掘的方式，来提供一种便捷、精准，又能实现正钻井漏失机理实时预测及辅助决策的方法。具体地说，本专利技术是采用以下的技术方案来实现的，包括下列步骤：1）利用钻采一体化平台采集历史钻井数据、历史堵漏案例及现场实时钻井数据，以地质区块为单位存入MySQL数据库中；2）针对采集到的数据资料进行数据预处理，预处理内容包括数据清洗、数据补缺、数据转换；3）将预处理后的历史钻井数据划分为训练集和测试集，选取训练集中历史钻井数据为输入，历史堵漏案例中记录的漏失机理为标准，利用模糊决策树算法进行数据挖掘，并生成漏失机理预测模糊决策树，用测试集对该树进行测试；4）选取训练集中历史钻井数据为输入，历史堵漏案例中记录的堵漏配方为标准，利用模糊决策树算法进行数据挖掘，并生成堵漏配方推送模糊决策树，用测试集对该树进行测试；5）根据生成的漏失机理预测模糊决策树确定漏失机理预测模糊决策规则，并利用漏失机理预测模糊决策规则挖掘现场实时钻井数据，判断尚未发生的漏失可能原因，即漏失机理；6）根据生成的堵漏配方推送模糊决策树确定堵漏配方推送模糊决策规则，并利用堵漏配方推送模糊决策规则挖掘现场实时钻井数据来进行堵漏配方推送；7）以漏失机理预测模糊决策规则判断的漏失机理和堵漏配方推送模糊决策规则推送的堵漏配方为参考进行防漏堵漏辅助决策，从而减少井漏事故的发生次数以及增大发生漏失后一次堵漏的成功率。上述技术方案的进一步特征在于，所述步骤1）中，利用钻采一体化平台采集历史钻井数据、现场实时钻井数据中具体参数包括：地层岩性、井深、漏失速度、塑性粘度、钻井液类型、钻井液密度、钻井液静切力、钻井液动切力、泥饼厚度、钻井液PH值、排量、钻速、泵压、钻头类型、钻头尺寸、大钩负荷、三转读数、六转读数、一百转读数。上述技术方案的进一步特征在于，所述步骤2）中，针对井史数据进行数据清洗、集成和转换的方法为：2-1）数据清洗是删除钻井历史数据原始数据集中的无关数据、重复数据，平滑噪声数据，同时筛选掉与钻井液漏层位置预测无关的数据，处理缺失值、异常值等；2-2）数据集成是将多文件或多数据库运行环境中的钻井历史数据进行合并处理；2-3）数据转换是利用独热编码方法将数据资料中地层岩性、钻头类型、钻井液类型这三个用文字表述的参数转化为可以进行数据挖掘的数字形式。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。附图1数据处理框图；附图2钻井漏失机理预测及辅助决策模糊决策树模型工作流程图；附图3基于模糊决策树的钻井漏失机理预测及辅助决策方法流程图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。图1是本专利技术技术方案中的数据处理框图，由图1可知，预处理内容包括数据清洗、数据补缺、数据转换，其中数据清洗是删除钻井历史数据原始数据集中的无关数据、重复数据，平滑噪声数据，同时筛选掉与钻井液漏层位置预测无关的数据，处理缺失值、异常值等；数据集成是将多文件或多数据库运行环境中的钻井历史数据进行合并处理；数据转换是利用独热编码方法将数据资料中地层岩性、钻头类型、钻井液类型这三个用文字表述的参数转化为可以进行数据挖掘的数字形式。图2是本专利技术技术方案中的钻井漏失机理预测及辅助决策模糊决策树模型工作流程图。本实例为了全面考虑主要参数对漏失机理的影响，将预处理后的历史钻井数据作为输入参数，以漏失机理为输出参数，历史堵漏案例中记录的漏失机理为标准，监督训练并优化得到模糊决策树模型。图3是本专利技术技术方案的实施流程图，具体如下：1）利用钻采一体化平台采集历史钻井数据、历史堵漏案例及现场实时钻井数据，以地质区块为单位存入MySQL数据库中；2）针对采集到的数据资料进行数据预处理，预处理内容包括数据清洗、数据补缺、数据转换；3）将预处理后的历史钻井数据划分为训练集和测试集，选取训练集中历史钻井数据为输入，历史堵漏案例中记录的漏失机理为标准，利用模糊决策树算法进行数据挖掘，并生成漏失机理预测模糊决策树，用测试集对该树进行测试；4）选取训练集中历史钻井数据为输入，历史堵漏案例中记录的堵漏配方为标准，利用模糊决策树算法进行数据挖掘，并生成堵漏配方推送模糊决策树，用测试集对该树进行测试；5）根据生成的漏失机理预测模糊决策树确定漏失机理预测模糊决策规则，并利用漏失机理预测模糊决策规则挖掘现场实时钻井数据，判断尚未发生的漏失可能原因，即漏失机理；6）根据生成的堵漏配方推送模糊决策树确定堵漏配方推送模糊决策规则本文档来自技高网...

【技术保护点】
1.一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，其特征在于，该方法包括以下步骤：/n1）利用钻采一体化平台采集历史钻井数据、历史堵漏案例及现场实时钻井数据，以地质区块为单位存入MySQL数据库中；/n2）针对采集到的数据资料进行数据预处理，预处理内容包括数据清洗、数据补缺、数据转换；/n所述针对井史数据进行数据清洗、集成和转换的方法为：/n2-1）数据清洗是删除钻井历史数据原始数据集中的无关数据、重复数据，平滑噪声数据，同时筛选掉与钻井液漏层位置预测无关的数据，处理缺失值、异常值等；/n2-2）数据集成是将多文件或多数据库运行环境中的钻井历史数据进行合并处理；/n2-3）数据转换是利用独热编码方法将数据资料中地层岩性、钻头类型、钻井液类型这三个用文字表述的参数转化为可以进行数据挖掘的数字形式；/n3）将预处理后的历史钻井数据划分为训练集和测试集，选取训练集中历史钻井数据为输入，历史堵漏案例中记录的漏失机理为标准，利用模糊决策树算法进行数据挖掘，并生成漏失机理预测模糊决策树，用测试集对该树进行测试；/n所述生成漏失机理预测模糊决策树的具体过程为：/n3-1）首先考虑生成第一个结点，将采集到的19个井史参数集作为19个模糊子集，分别用A...

【技术特征摘要】
1.一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，其特征在于，该方法包括以下步骤：
1）利用钻采一体化平台采集历史钻井数据、历史堵漏案例及现场实时钻井数据，以地质区块为单位存入MySQL数据库中；
2）针对采集到的数据资料进行数据预处理，预处理内容包括数据清洗、数据补缺、数据转换；
所述针对井史数据进行数据清洗、集成和转换的方法为：
2-1）数据清洗是删除钻井历史数据原始数据集中的无关数据、重复数据，平滑噪声数据，同时筛选掉与钻井液漏层位置预测无关的数据，处理缺失值、异常值等；
2-2）数据集成是将多文件或多数据库运行环境中的钻井历史数据进行合并处理；
2-3）数据转换是利用独热编码方法将数据资料中地层岩性、钻头类型、钻井液类型这三个用文字表述的参数转化为可以进行数据挖掘的数字形式；
3）将预处理后的历史钻井数据划分为训练集和测试集，选取训练集中历史钻井数据为输入，历史堵漏案例中记录的漏失机理为标准，利用模糊决策树算法进行数据挖掘，并生成漏失机理预测模糊决策树，用测试集对该树进行测试；
所述生成漏失机理预测模糊决策树的具体过程为：
3-1）首先考虑生成第一个结点，将采集到的19个井史参数集作为19个模糊子集，分别用A(1)~A(19)表示，每个模糊子集中有m个数据，将采集到的历史堵漏案例中记录的漏失机理作为分类属性，用A(20)表示，对A(k)的每一个参数值（其中k=1,2,…,19；i=1,2,…,m），计算它相对于分类属性A(20)中（j=1,2,…,mk）的相对频率:



其中，符号M(X)表示模糊集X的所有隶属度之和；
3-2）对A(k)的每一个参数值（其中1≤k≤19）计算它的模糊分类熵:



其中，表示分类属性A(20)中参数值的出现频率；
3-3）对每一个属性A(k)（其中1≤k≤19），计算它的平均模糊分类熵Ek：



3-4）选择Ek取最小值的属性作为扩展属性，即选取k0，使得：



3-5）给定阈值β0=0.85，当结点真实度小于阈值β0时，根据该节点确定的属性来分割模糊样例集，模糊分割中的元素依然是模糊集；
3-6）递归的计算他们的平均模糊分类熵，并继续用上述方法选择扩展结点，最终生成模糊决策树；
4）选取训练集中历史钻井数据为输入，历史堵漏案例中记录的堵漏配方为标准，利用模糊决策树算法进行数据挖掘，并生成堵漏配方推送模糊决策树，用测试集对该树进行测试；
上述技术方案的进一步特征在于，所述步骤4）中生成堵漏配方推送模糊决策树的具体过程与步骤3）中生成漏失机理预测模糊决策树的具体过程相同，只是将采集到的历史堵漏案例中记录的堵漏配方作为分类属性A(20)；
5）根据生成的漏失机理预测模糊决策树确定漏...

【专利技术属性】
技术研发人员：苏俊霖，赵洋，罗平亚，黄进军，李方，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51