一种预测井筒完整性的方法技术

本发明专利技术公开了一种预测井筒完整性的方法，包括以下步骤：收集已有井筒完整性评价结论的油气井的基础数据一和目标井的基础数据二，并对两种基础数据进行数据处理；两种井的井型一致，两种基础数据包含的参数类型相同；以所述井筒完整性评价结论作为油气井井筒完整性评价的因变量，以所述基础数据作为油气井井筒完整性评价的自变量；根据所述因变量和所述自变量，利用随机森林算法，采用有放回的随机抽样方式抽取训练数据，构建决策树和随机森林；将所述目标井的基础数据二放入所述决策树和随机森林中，获得所述目标井的井筒完整性评价结论。本发明专利技术能够在不影响油气井生产的情况下预测目标井的井筒完整性，降低井筒完整性测试的成本。成本。

A method of predicting wellbore integrity

【技术实现步骤摘要】
一种预测井筒完整性的方法


[0001]本专利技术涉及油气开采
，特别涉及一种预测井筒完整性的方法。

技术介绍

[0002]井筒完整性定义为在一口井的整个生命周期中，应用技术、施工和组织的方法来减少和降低地层流体在未能控制的情况下外泄的风险，确保作业安全。据挪威石油安全管理局(PSA)对海上406口具有不同开发年限和生产类别的油气井进行井筒完整性的调查，18％存在井筒完整性方面的问题，其中7％因为井筒完整性损坏而被迫关井，而且对环境和经济造成了重大损失。因此，预测井筒完整性对油气开采过程中延长老井的寿命周期、降低新井的破坏风险、保证高效安全开采具有重要意义。

技术实现思路

[0003]针对上述问题，本专利技术旨在提供一种预测井筒完整性的方法。
[0004]本专利技术的技术方案如下：
[0005]一种预测井筒完整性的方法，包括以下步骤：
[0006]S1：收集已有井筒完整性评价结论的油气井的基础数据一，并对所述基础数据一进行数据处理；所述已有井筒完整性评价结论的油气井的井型与目标井的井型一致；
[0007]S2：以所述井筒完整性评价结论作为油气井井筒完整性评价的因变量，以所述基础数据作为油气井井筒完整性评价的自变量；
[0008]S3：根据所述因变量和所述自变量，利用随机森林算法，采用有放回的随机抽样方式抽取训练数据，构建决策树和随机森林；
[0009]S4：收集目标井的基础数据二，并对所述基础数据二进行数据处理，所述基础数据二与所述基础数据一包含的参数类型相同；
[0010]S5：将所述目标井的基础数据二放入所述决策树和随机森林中，获得所述目标井的井筒完整性评价结论。
[0011]作为优选，所述基础数据一包括井下管柱及附件的基础数据、井下作业的基础数据、井口系统的基础数据。
[0012]作为优选，所述管柱及附件的基础数据包括油套管参数、井筒温度、环空压力。
[0013]作为优选，所述井下作业的基础数据包括地层压力、套管钻速、钻井液类型、钻井液密度、水泥环参数、杨氏模量、泊松比。
[0014]作为优选，所述井口系统的基础数据包括最大井口关井压力、腐蚀分压、井口流温。
[0015]作为优选，步骤S3具体包括以下子步骤：
[0016]S31：利用随机森林算法，将处理后的基础数据一作为输入样本数据集，采用有放回的方式，从中随机抽取多次构成一个子集数据，抽样次数与样本数量保持一致，抽样获得的子集数据用于构建一棵决策树；
[0017]S32：在子数据集中随机抽取部分基础数据一构成候选分割集，按照节点不纯度最小原则从候选分割集中选取基础数据一种的其中一个作为决策树的分割点，采用该原则继续分裂，直到该节点的所有样本都达到叶子节点，结束分裂；
[0018]S33：重复步骤S31和步骤S32建立多棵决策树，由所述多棵决策树构成所述随机森林。
[0019]本专利技术的有益效果是：
[0020]本专利技术能够在不影响油气井生产的情况下预测目标井的井筒完整性，降低井筒完整性测试的成本；且通过随机森林算法对目标井的井筒完整性进行预测，预测精度较高，不容易发生过拟合的线性，能处理离散型数据以及缺失数据；相较于现有井筒完整性的预测方法更容易实现。
具体实施方式
[0021]下面结合实施例对本专利技术进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互结合。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。本专利技术公开使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
[0022]本专利技术提供一种预测井筒完整性的方法，包括以下步骤：
[0023]S1：收集已有井筒完整性评价结论的油气井的基础数据一，并对所述基础数据一进行数据处理；所述已有井筒完整性评价结论的油气井的井型与目标井的井型一致；
[0024]在一个具体的实施例中，所述基础数据一包括井下管柱及附件的基础数据、井下作业的基础数据、井口系统的基础数据。
[0025]现有研究将井筒完整性分为井下管柱及附件的完整性、井下作业的完整性、井口系统的完整性。而本专利技术根据现有井筒完整性的分类确定影响相应完整性的基础数据，能够最大程度的保证本专利技术的完整性。
[0026]井下管柱及附件的完整性主要体现在油套管的安全性和油套管的密封性两方面，其中，油套管的安全性主要集中在油套管发生断裂、挤毁、弯曲、腐蚀等；油套管的密封性主要集中在油管螺纹接头破坏、外套管封隔器裂口、套管内部持续带压、电偶腐蚀缝隙腐蚀等。因此，在一个具体的实施例中，将所述管柱及附件的基础数据选为油套管参数、井筒温度以及环空压力。
[0027]井下作业的完整性问题主要集中在钻完井完整性、固井完整性、生产完整性等方面，其中，钻完井完整性主要集中在地层压力井喷溢油、工程风险非常规钻井等方面；固井的完整性主要体现在水泥环的完整性，表现为压裂水泥环损坏、注蒸汽水泥破裂、固井水泥浆漏失、酸化破坏射孔区、固井屏障的失效、套管层位封隔差等；生产完整性主要集中在增产措施,表现为压裂早期裂缝的增长，开发考虑岩石机械性质，压裂套管水泥环地层力学行为。因此，在一个具体的实施例中，将所述井下作业的基础数据选为地层压力、套管钻速、钻井液类型、钻井液密度、水泥环参数、杨氏模量、泊松比。
[0028]井口系统的完整性主要体现在井口设备的完整性。因此，在一个具体的实施例中，将所述井口系统的基础数据选为最大井口关井压力、腐蚀分压、井口流温。
[0029]S2：以所述井筒完整性评价结论作为油气井井筒完整性评价的因变量，以所述基础数据作为油气井井筒完整性评价的自变量；
[0030]S3：根据所述因变量和所述自变量，利用随机森林算法，采用有放回的随机抽样方式抽取训练数据，构建决策树和随机森林；
[0031]在一个具体的实施例中，步骤S3具体包括以下子步骤：
[0032]S31：利用随机森林算法，将处理后的基础数据一作为输入样本数据集，采用有放回的方式，从中随机抽取多次构成一个子集数据，抽样次数与样本数量保持一致，抽样获得的子集数据用于构建一棵决策树；
[0033]S32：在子数据集中随机抽取部分基础数据一构成候选分割集，按照节点不纯度最小原则从候选分割集中选取基础数据一种的其中一个作为决策树的分割点，采用该原则继续分裂，直到该节点的所有样本都达到叶子节点，结束分裂；
[0034]S33：重复步骤S31和步骤S32建立多棵决策树，由所述多棵决策树构成所述随机森林。
[0035]S4：收集目标井的基础数据二，并对所述基础数据二进行数据处理，所述基础数据二与所述基础数据一包含的参数类型相同；
[0036]S5：将所述目标井的基础数据二放入所述决策树和随机森林中，获得所述目标井的井本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测井筒完整性的方法，其特征在于，包括以下步骤：S1：收集已有井筒完整性评价结论的油气井的基础数据一，并对所述基础数据一进行数据处理；所述已有井筒完整性评价结论的油气井的井型与目标井的井型一致；S2：以所述井筒完整性评价结论作为油气井井筒完整性评价的因变量，以所述基础数据作为油气井井筒完整性评价的自变量；S3：根据所述因变量和所述自变量，利用随机森林算法，采用有放回的随机抽样方式抽取训练数据，构建决策树和随机森林；S4：收集目标井的基础数据二，并对所述基础数据二进行数据处理，所述基础数据二与所述基础数据一包含的参数类型相同；S5：将所述目标井的基础数据二放入所述决策树和随机森林中，获得所述目标井的井筒完整性评价结论。2.根据权利要求1所述的预测井筒完整性的方法，其特征在于，所述基础数据一包括井下管柱及附件的基础数据、井下作业的基础数据、井口系统的基础数据。3.根据权利要求2所述的预测井筒完整性的方法，其特征在于，所述管柱及附件的基础数据包括油套管参数、井筒温度、环空压力。4...

【专利技术属性】
技术研发人员：杨华波，张智，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：