一种测井遇阻遇卡的预测方法及装置制造方法及图纸

本发明专利技术提供了一种测井遇阻遇卡的预测方法及装置，测井遇阻遇卡的预测方法包括：获取目标区块待预测遇阻遇卡的测井数据，所述测井数据包括：SLAM电缆下井次数、PCL下井次数、井径、井斜以及泥浆密度；利用所述测井数据及预先建立的机器学习模型预测所述目标区块的测井遇阻遇卡。本发明专利技术可准确预测测井施工过程中的遇阻遇卡问题，降低复杂风险，为定向井钻井施工作业提供技术支持。施工作业提供技术支持。施工作业提供技术支持。

【技术实现步骤摘要】
一种测井遇阻遇卡的预测方法及装置


[0001]本专利技术涉及石油天然气勘探
，具体涉及一种测井遇阻遇卡的预测方法及装置。

技术介绍

[0002]测井技术是石油钻井到设计井深后，获得各种石油地质及工程技术资料的相关技术，作为完井和开发油田的原始资料的必要手段。根据地质和地球物理条件，合理地选用综合测井方法，可以详细研究钻孔地质剖面、探测有用矿产、详细提供计算储量所必需的数据，如油层的有效厚度、孔隙度、含油气饱和度和渗透率等，以及研究钻孔技术情况等任务。目前造成测井遇阻遇卡的原因很多，且无法精准预测，往往是依靠人工经验判断，没有形成系统的方法，如何准确预测某一特定地区的测井遇阻遇卡，对于该地区测井的顺利进行，降低施工风险，具有重要的意义。

技术实现思路

[0003]针对现有技术中的问题，本专利技术提供的测井遇阻遇卡的预测方法及装置，可准确预测遇阻遇卡问题，为定向井钻井施工作业提供借鉴。为解决上述技术问题，本专利技术提供以下技术方案：
[0004]第一方面，本专利技术提供一种测井遇阻遇卡的预测方法，包括：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种测井遇阻遇卡的预测方法，其特征在于，包括：获取目标区块待预测遇阻遇卡的测井数据，所述测井数据包括：SLAM电缆下井次数、PCL下井次数、井径、井斜以及泥浆密度；利用所述测井数据及预先建立的机器学习模型预测所述目标区块的测井遇阻遇卡。2.如权利要求1所述的测井遇阻遇卡的预测方法，其特征在于，所述机器学习模型为前馈式深度机器学习模型，建立所述机器学习模型的步骤包括：收集所述目标区块测井数据的历史数据；根据历史遇阻遇卡数据以及其对应的历史数据生成所述前馈式深度机器学习模型的标签；根据信噪比大于预设数值的历史数据以及标签对所述前馈式深度机器学习模型的初始模型进行训练，以生成所述机器学习模型。3.如权利要求2所述的测井遇阻遇卡的预测方法，其特征在于，所述根据信噪比大于预设数值的历史数据以及标签对所述前馈式深度机器学习模型的初始模型进行训练，以生成所述机器学习模型，包括：根据历史遇阻遇卡数据、所述历史遇阻遇卡数据对应的历史数据、所述前馈式深度机器学习模型中的可见层偏置以及隐含层偏置生成所述可见层偏置的连接权重以及隐含层偏置的连接权重，以训练所述初始模型。4.如权利要求3所述的测井遇阻遇卡的预测方法，其特征在于，所述根据历史遇阻遇卡数据、所述历史遇阻遇卡数据对应的历史数据、所述前馈式深度机器学习模型中的可见层偏置以及隐含层偏置生成所述可见层偏置的连接权重以及隐含层偏置的连接权重，以训练所述初始模型，包括：分别设置所述可见层偏置的初值、所述隐含层偏置的初值及所述连接权重的初值为三个小于预设数值的随机数；将所述历史数据输入所述初始模型中；进行以下迭代操作，直至所述初始模型的预测误差小于预设误差，得到所述深度信念网络模型；由下向上逐层训练所述初始模型至n-1层，并将训练结果输入至所述初始模型的第n层，得到所述第n层的训练结果；其中，n为所述前馈式深度机器学习模型的训练总层数；根据所述第n层的训练结果及所述历史数据计算所述预测误差；当所述预测误差大于预设误差时，根据所述预测误差，由上向下逐层优化所述初始至第1层。5.如权利要求2所述的测井遇阻遇卡的预测方法，其特征在于，在建立所述机器学习模型之前，还包括：将所述历史数据进行滤波；将所述历史数据进行归一化；去除所述历史数据中的异常值。6.如权利要求2所述的测井遇阻遇卡的预测方法，其特征在于，所述历史遇阻遇卡数据包括：立管压力、大钩载荷、井口压力、出口流量、泵冲、入口流量、钻时、井底环空压力、全烃、C1数据以及工况数据；
所述工况数据包括：溢流、漏失及正常。7.一种测井遇阻遇卡的预测装置，其特征在于，包括：测井数据获取单元，用于获取目标区块待预测遇阻遇卡的测井数据，所述测井数据包括：SLAM电缆下井次数、PCL下井次数...

【专利技术属性】
技术研发人员：周拓，李万军，王刚，孔祥吉，景宁，仲昭，周海秋，宁坤，顾亦新，庹维志，张杨，叶冬庆，周世英，夏春雨，张玮，韩飞，刘纪童，王建一，王艳丽，
申请(专利权)人：中国石油集团工程技术研究院有限公司中国石油国际勘探开发有限公司，
类型：发明
国别省市：