本发明专利技术提供一种基于钻录井信息的复杂地层井壁垮塌定量预测方法与装置，包括：获取影响钻井井壁垮塌相关的工程参数；确定所述工程参数与扩径率之间相关性系数；选择所述相关性系数的数值大于预设阈值的情况下，对应的所述工程参数作为构建井眼扩径率预测网络模型的输入参数；对输入参数进行预处理，得到处理后的参数数据；构建井眼扩径率预测网络模型；将获取的待预测的钻井信息、录井信息输入井眼扩径率预测网络模型进行预测，预测井眼扩径率。本发明专利技术利用钻井、录井工程数据和神经网络，定量预测了钻井过程中井眼扩径率。为解决井壁稳定难题提供了关键参数，对实现复杂结构安全高效钻井，降低深井超深井建井成本提供有力的技术支撑。术支撑。术支撑。
【技术实现步骤摘要】
基于钻录井信息的复杂地层井壁垮塌定量预测方法与装置
[0001]本专利技术涉及钻井工程
，尤其涉及一种基于钻录井信息的复杂地层井壁垮塌定量预测方法与装置。
技术介绍
[0002]井壁垮塌失稳是诱发钻井井下复杂事故的主要原因，科学评价井壁稳定性是有效预防与处治井壁坍塌失稳的基础，对保障安全钻井意义重大。复杂结构地层通常呈现显著的不连续性与强烈的非均质性，常用的基于均匀连续介质的力学理论不能适用于复杂结构地层的井壁稳定性评价，亟需建立与之相适应的井壁垮塌程度预测方法。
技术实现思路
[0003]本专利技术的目的在于解决上述现有技术存在的缺陷，提供一种基于钻录井信息的复杂地层井壁垮塌定量预测方法。
[0004]一种基于钻录井信息的复杂地层井壁垮塌定量预测方法，包括：
[0005]获取影响钻井井壁垮塌相关的工程参数；所述工程参数包括：钻井工艺参数和工程录井参数；所述钻井工艺参数包括：钻井液密度、机械转速、钻压；所述工程录井参数包括：钻时、泵冲、立管压力、大钩悬重、扭矩；
[0006]确定所述工程参数与扩径率之间相关性系数；
[0007]选择所述相关性系数的数值大于预设阈值的情况下，对应的所述工程参数作为构建井眼扩径率预测网络模型的输入参数；
[0008]对所述输入参数进行预处理，得到处理后的参数数据；
[0009]以所述处理后的参数数据作为输入、以扩径率为输出，构建井眼扩径率预测网络模型；
[0010]将获取的待预测钻井深度点的钻井信息、录井信息输入所述井眼扩径率预测网络模型，预测井眼扩径率。
[0011]进一步地，如上所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，根据下式确定所述工程参数与扩径率之间相关性系数：
[0012][0013]其中，r为参数序列x、y的相关系数，x
i
、y
i
分别为数据序列x、y的第i个数据点，为数据序列x的平均值，为数据序列y的平均值。
[0014]进一步地，如上所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，所述对所述输入参数进行预处理包括：
[0015]对所述输入参数进行采样一致性处理与数据标准化处理；
[0016]所述采样一致性处理用于使输入参数具有相同的采样频率；所述数据标准化处理
用于对采样频率相同的参数进行标准化处理。
[0017]进一步地，如上所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，所述采样一致性处理包括：
[0018]对所述输入参数利用式(2)
‑
式(5)对连续5个数据点进行最小平方曲线拟合以进行数据的加密，实现与高频采样数据具有相同采样间隔；其中，所述数据点为输入参数中的某个深度点的数据；
[0019]Z(x)＝a+bx+cx2ꢀꢀꢀ
(2)
[0020]其中，Z(x)代表以x为自变量的二次多项式；a、b、c为系数；
[0021]即要求式(3)中a、b、c使得Q达到最小：
[0022][0023]其中a、b、c可由式(4)求出：
[0024][0025]当x＝0时，有：
[0026][0027]其中，Z0代表t为0时拟合函数的值；X
‑2、X
‑1、X0、X、X2为连续的5个数据点；
[0028]所述数据标准化处理包括：针对不同来源、不同量纲的数据，利用min
‑
max标准化方法，对采样频率相同的参数进行标准化处理，min
‑
max标准化计算公式为：
[0029][0030]其中，μ为均值，σ为标准差；x为采样频率相同的参数。
[0031]进一步地，如上所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，所述构建井眼扩径率预测网络模型包括：
[0032]运用GRU网络模型，以处理后的参数数据作为输入，扩径率为输出，构建井眼扩径率预测网络模型；
[0033]网络模型设定两层循环计算层，一层全连接层的网络结构；并通过比较模型的预测准确率优选确定隐含层节点数、循环核时间展开步两个与网络复杂度相关的超参数；通过分析训练误差曲线与验证误差曲线的差异性优选学习率、Dropout两个超参数。
[0034]一种基于钻录井信息的复杂地层井壁垮塌定量预测装置，包括：
[0035]获取单元，用于获取影响钻井井壁垮塌相关的工程参数；所述工程参数包括：钻井工艺参数和工程录井参数；所述钻井工艺参数包括：钻井液密度、机械转速、钻压；所述工程录井参数包括：钻时、泵冲、立管压力、大钩悬重、扭矩；
[0036]确定单元，用于确定所述工程参数与扩径率之间相关性系数；
[0037]选择单元，用于选择所述相关性系数的数值大于预设阈值的情况下，对应的所述
工程参数作为构建井眼扩径率预测网络模型的输入参数；
[0038]处理单元，用于对所述输入参数进行预处理，得到处理后的参数数据；
[0039]构建单元，用于以所述处理后的参数数据作为输入、以扩径率为输出，构建井眼扩径率预测网络模型；
[0040]预测单元，用于将获取的待预测钻井深度点的钻井信息、录井信息输入所述井眼扩径率预测网络模型，预测井眼扩径率。
[0041]一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述基于钻录井信息的复杂地层井壁垮塌定量预测方法。
[0042]一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上所述基于钻录井信息的复杂地层井壁垮塌定量预测方法。
[0043]一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述基于钻录井信息的复杂地层井壁垮塌定量预测方法。
[0044]有益效果：
[0045]本专利技术提供的基于钻录井信息的复杂地层井壁垮塌定量预测方法，利用油田现场存有的钻井、录井工程数据，运用神经网络算法，定量预测了钻井过程中井眼扩径率。为实现以缝洞碳酸盐岩地层为代表的复杂结构地层井壁稳定定量评价提供一种全新思路，为解决井壁稳定难题提供了关键参数。对实现复杂结构安全高效钻井，降低深井超深井建井成本提供有力的技术支撑。
附图说明
[0046]图1为本专利技术提供的基于钻录井信息的复杂地层井壁垮塌定量预测方法流程示意图；
[0047]图2是数据插值示意图；
[0048]图3是GRU模型结构示意图；
[0049]图4是训练完成的训练误差曲线验证误差曲线；
[0050]图5是井眼扩径率预测网络模型结构示意图；
[0051]图6是预测结果；
[0052]图7为本专利技术提供的基于钻录井信息的复杂地层井壁垮塌定量预测装置结构示意图；
[0053]图8是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0054]为使本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于钻录井信息的复杂地层井壁垮塌定量预测方法，其特征在于，包括：获取影响钻井井壁垮塌相关的工程参数；所述工程参数包括：钻井工艺参数和工程录井参数；所述钻井工艺参数包括：钻井液密度、机械转速、钻压；所述工程录井参数包括：钻时、泵冲、立管压力、大钩悬重、扭矩；确定所述工程参数与扩径率之间相关性系数；选择所述相关性系数的数值大于预设阈值的情况下，对应的所述工程参数作为构建井眼扩径率预测网络模型的输入参数；对所述输入参数进行预处理，得到处理后的参数数据；以所述处理后的参数数据作为输入、以扩径率为输出，构建井眼扩径率预测网络模型；将获取的待预测钻井深度点的钻井信息、录井信息输入所述井眼扩径率预测网络模型，预测井眼扩径率。2.根据权利要求1所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，其特征在于，根据下式确定所述工程参数与扩径率之间相关性系数：其中，r为参数序列x、y的相关系数，x
i
、y
i
分别为数据序列x、y的第i个数据点，为数据序列x的平均值，为数据序列y的平均值。3.根据权利要求1所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，其特征在于，所述对所述输入参数进行预处理包括：对所述输入参数进行采样一致性处理与数据标准化处理；所述采样一致性处理用于使输入参数具有相同的采样频率；所述数据标准化处理用于对采样频率相同的参数进行标准化处理。4.根据权利要求3所述的基于钻录井信息的复杂地层井壁垮塌定量预测方法，其特征在于，所述采样一致性处理包括：对所述输入参数利用式(2)
‑
式(5)对连续5个数据点进行最小平方曲线拟合以进行数据的加密，实现与高频采样数据具有相同采样间隔；其中，所述数据点为输入参数中的某个深度点的数据；Z(x)＝a+bx+cx2(2)其中，Z(x)代表以x为自变量的二次多项式；a、b、c为系数；即要求式(3)中a、b、c使得Q达到最小：其中a、b、c可由式(4)求出：
当x＝0时，有：其中，Z0代表t为0时拟合函数的值；X
‑2、X
‑1、X0、X、X2为连续的5个数据点；所述数据标准化处理包括：针对不同来源、不同量纲的数据，利用min...
【专利技术属性】
技术研发人员：梁利喜，何坷培，刘向君，丁乙，张文，熊健，杜京珊，
申请(专利权)人：西南石油大学，
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。