【技术实现步骤摘要】
深度学习和Eaton法耦合驱动地层孔隙压力预测方法
[0001]本专利技术涉及油气钻井领域,具体涉及一种深度学习和Eaton法耦合驱动地层孔隙压力预测方法。
技术介绍
[0002]准确预测地层孔隙压力是保障钻井工程设计合理性、降低钻井工程风险的关键技术之一。Eaton法是目前较常用的地层孔隙压力预测方法,其综合考虑了压实作用以及其他高压形成机制作用,并总结和参考了钻井实测压力与各种测井信息之间的关系,是一种比较实用的方法。通过分析,常规的Eaton法是将Eaton指数取定值,这往往不能很好的预测深部地层孔隙压力。随着人工智能技术和钻井大数据的发展,机器学习算法被引入地层压力预测中,为其的精准预测提供了新思路。
[0003]如,中国专利CN 112100930 A公开了一种基于卷积神经网络和Eaton公式的地层孔隙压力计算方法,并具体公开了方法如下:测井曲线重叠采样;基于短时傅里叶变换的样本1D
‑
2D变换预处理,将一维的深度域测井曲线样本转换为二维的深频图;基于卷积神经网络的正常压实层段智能识别模型,采用数据驱动的方式,对测井曲线进行分段特征提取,识别正常压实层段;根据识别出的正常压实层段测井曲线,构建正常压实趋势线拟合方程;根据正常压实趋势线方程,采用Eaton公式进行地层孔隙压力剖面计算。该专利可避免正常压实趋势线构建过程中存在的人为主观性,提高地层孔隙压力的计算精度,但该方法重点关注正常压实趋势线的选取,并没有关注影响更大的Eaton指数。
技术实现思路
[0004]本 ...
【技术保护点】
【技术特征摘要】
1.一种基于CNN
‑
LSTM深度学习和Eaton法耦合驱动的地层孔隙压力预测方法,其特征在于,包括以下步骤:S1、对实测点测井数据进行归一化处理;S2、以归一化后的测井数据变化率为依据,将实测点深度H0二次扩充得到二次扩充连续点深度集H
h
″
;S3、避开断层、岩性界面,优化二次扩充连续点深度集H
h
″
为优化后的连续点深度集H
p
‴
;S4、利用Eaton法反算得到Eaton指数;S5、结合Pearson相关矩阵对特征数据与Eaton指数进行相关性分析,筛选作为CNN
‑
LSTM模型输入参数的特征数据;S6、搭建CNN
‑
LSTM模型并进行Eaton指数训练;所述步骤S2的具体步骤为:将实测点深度H0进行一次扩充,一次扩充连续点深度集;对一次扩充连续点深度集H
h
′
进行二次扩充,二次扩充得到二次扩充连续点深度集H
h
″
;所述二次扩充连续点深度集H
h
″
包括二次扩充实测点深度H
11 H
21
...H
01
...H
h1
;所述二次扩充连续深度集H
h
″
满足如下公式:(2)其中为二次扩充实测点深度H
b1
处的测井数据;为二次扩充实测点深度H
(b
‑
1)1
处的测井数据;为二次扩充实测点深度集H
h
″
对应的平均测井数据;k
b
为二次扩充实测点深度H
b1
处测井数据的变化率;为阈值,变化率的最大值应小于阈值;上式中,b为1到h之间的自然数。2.根据权利要求1所述的基于CNN
‑
LSTM深度学习和Eaton法耦合驱动的地层孔隙压力预测方法,其特征在于,所述步骤S1中归一化后测井数据y
i
为:(1)其中,y
i
为已钻井地层孔隙压力实测点处第i种特征的归一化后的测井数据,x
i
为已钻井地层孔隙压力实测点处第i种特征的原始测井数据。3.根据权利要求1所述的基于CNN
‑
LSTM深度学习和Eaton法耦合驱动的地层孔隙压力预测方法,其特征在于,所述步骤S4中Eaton指数...
【专利技术属性】
技术研发人员:许玉强,何保伦,管志川,刘宽,韩超,李兵硕,聂嘉骏,杨磊,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。