钻井控制方法技术

本发明专利技术涉及采矿技术领域，特别是一种钻井控制方法，能够准确高效控制地浸采矿水平井钻进，包括：基于选定时段内地表监测数据、随钻测井数据和地表录井数据，利用IAGA确定随钻伽马测井数据与其它参数之间的关联度，并通过灰色关联分析方法确定高关联度参数构成训练集和测试集，训练和测试LSTM地层放射性特征预测模型，直到预测精度满足要求；基于先前时间t内的数据利用模型预测随后

【技术实现步骤摘要】
钻井控制方法


[0001]本专利技术涉及采矿
，特别是一种钻井控制方法。

技术介绍

[0002]地浸采铀是目前中国主流的砂岩铀矿开采方式，是一种先进的金属矿原位开采方式，可通过注液钻井将溶浸剂注入地下，溶浸剂与矿石反应后通过抽液钻井抽出地表进行处理。
[0003]与常规直井开采相比，水平井具有多种优势：相同控矿面积条件下注液量大、可以在矿层中形成线性流场浸出死角小、可以开发地表条件复杂的矿藏、有效钻井进尺比例高有效降低钻孔成本等，因而将水平井技术引入到铀矿地浸领域有望提高该地浸的经济性和适用范围。
[0004]利用水平井开发砂岩铀矿一个重要的技术问题是如何确保水平井始终在目的层位穿行。砂岩铀矿层通常富集在沉积盆地，受地质构造或氧化还原环境的约束，铀矿床通常呈现起伏不定的特征。为此在实际设计水平井井眼轨迹时，如果无法完全准确摸清矿层展布情况则会造成井眼轨迹设计不准而导致无法贯穿整个矿层的情况，降低了水平井开发此类矿层的适用性。

技术实现思路

[0005]本专利技术的实施例提供一种钻井控制方法，能够准确高效控制地浸采矿水平井钻进。
[0006]根据本专利技术的一个方面，提供一种钻井控制方法，用于地浸采矿水平井，包括：
[0007]基于选定时段内地表监测数据、随钻测井数据和地表录井数据，利用改进自适应遗传算法确定随钻伽马测井数据与其它参数之间的关联度，并通过灰色关联分析方法确定关联度高于预定值的参数构成数据集D，其中所述数据集D包括由所述选定时段前段时间的数据构成的训练集X和由所述选定时段后段时间的数据构成的测试集C，其中所述前段时间长于所述后段时间；利用所述训练集X训练基于长短期记忆神经网络的地层放射性特征预测模型，并且利用所述测试集C测试该地层放射性特征预测模型，直到所述地层放射性特征预测模型的预测精度满足要求；
[0008]基于先前时间t内的地表监测数据、随钻测井数据和地表录井数据，利用所述地层放射性特征预测模型预测随后
△
t时间的预测伽玛值：
[0009]如果所述预测伽玛值与随后
△
t时间实测的随钻伽马测井数据之间的误差小于误差阈值，则控制钻头沿原方向继续钻进
△
t时间，然后基于先前(t+
△
t)时间内的地表监测数据、随钻测井数据和地表录井数据重复进行所述预测；
[0010]如果所述预测伽玛值与随后
△
t时间实测的随钻伽马测井数据之间的误差大于所述误差阈值，则结合多方位的随钻伽马测井数据控制钻头偏向随钻伽马测井数据值最高的方向钻进
△
t时间，然后基于先前(t+
△
t)时间内的地表监测数据、随钻测井数据和地表录
井数据重复进行所述预测。
[0011]优选地，在任意实施例中，
[0012]所述地表监测数据包括钻压、钻速、转速、钻井液参数。
[0013]优选地，在任意实施例中，
[0014]所述随钻测井数据包括随钻伽马测井数据、随钻声波测井数据、随钻井斜数据。
[0015]优选地，在任意实施例中，
[0016]所述地表录井数据包括岩屑密度、岩屑矿物组分与含量、岩屑粒径分布。
[0017]优选地，在任意实施例中，
[0018]所述前段时间占所述选定时段的前2/3；
[0019]所述后段时间占所述选定时段的后1/3。
[0020]优选地，在任意实施例中，
[0021]所述误差阈值小于或等于10％。
[0022]优选地，在任意实施例中，
[0023]所述多方位的随钻伽马测井数据包括：四方位的随钻伽马测井数据。
[0024]优选地，在任意实施例中，
[0025]所述钻井控制方法用于地浸采铀水平井。
[0026]通过本专利技术的各实施例提供的钻井控制方法，能够准确高效控制地浸采矿水平井钻进。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，以下将对实施例或现有技术描述中所需要使用的附图进行论述，显然，在结合附图进行描述的技术方案仅仅是本专利技术的一些实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图所示实施例得到其它的实施例及其附图。
[0028]图1是根据本专利技术的实施例的钻井控制方法的流程示意图。
具体实施方式
[0029]以下将结合附图对本专利技术各实施例的技术方案进行清楚完整描述，显然，所描述的实施例仅为本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中所述的实施例，本领域普通技术人员在不需要创造性劳动的前提下所得到的所有其它实施例，都在本专利技术所保护的范围内。
[0030]在水平井钻井过程中通过地表记录、录井、随钻测井等方法可以实时记录大量的、多维度的数据，这些数据可包括：钻压、转速、钻井液参数、岩性、粒径分布、粘土含量、自然伽马数据等。这些数据与地层的特点具有相关性，因而可利用这些数据实时对地层情况进行分析，并预测未来一段时间内的地层放射性特征，结合四方位伽马测井系统可实时对井眼轨迹进行修正。
[0031]长短期记忆(LSTM)神经网络由循环递归神经网络(RNN)改进而来，其独特的神经元结构使其具有选择性记忆功能，因此在股票预测、交通流预测、气象预测、地下水质预测等领域得到了广泛应用。LSTM适用于处理时序敏感型数据流。水平井钻井过程中产生的数
据在时间上具有一定时序性。长期数据可以反映整个地层的总体构造和大的沉积环境，短期数据可以反映小范围内的沉积微相的特征，通过长短期结合，对未来一定时间内的地层放射性特征进行预测具有较好的效果。
[0032]本专利技术的实施例提供一种钻井控制方法，能够准确高效控制地浸采矿水平井钻进。
[0033]根据本专利技术的一个方面，提供一种钻井控制方法，用于地浸采矿水平井，包括：
[0034]基于选定时段内地表监测数据、随钻测井数据和地表录井数据，利用改进自适应遗传算法(IAGA)确定随钻伽马测井数据与其它参数之间的关联度，并通过灰色关联分析方法确定关联度高于预定值的参数构成数据集D，其中所述数据集D包括由所述选定时段前段时间的数据构成的训练集X和由所述选定时段后段时间的数据构成的测试集C，其中所述前段时间长于所述后段时间；利用所述训练集X训练基于长短期记忆神经网络(LSTM)的地层放射性特征预测模型，并且利用所述测试集C测试该地层放射性特征预测模型，直到所述地层放射性特征预测模型的预测精度满足要求；
[0035]基于先前时间t内的地表监测数据、随钻测井数据和地表录井数据，利用所述地层放射性特征预测模型预测随后
△
t时间的预测伽玛值：
[0036]如果所述预测伽玛值与随后
△
t时间实测的随钻伽马测井数据(例如特定时刻的实测值、或特定时段的平均值)之间的误差小于误差阈值，则控制钻头沿原方向继续钻进
△
t时间，然后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钻井控制方法，用于地浸采矿水平井，其特征在于，包括：基于选定时段内地表监测数据、随钻测井数据和地表录井数据，利用改进自适应遗传算法确定随钻伽马测井数据与其它参数之间的关联度，并通过灰色关联分析方法确定关联度高于预定值的参数构成数据集D，其中所述数据集D包括由所述选定时段前段时间的数据构成的训练集X和由所述选定时段后段时间的数据构成的测试集C，其中所述前段时间长于所述后段时间；利用所述训练集X训练基于长短期记忆神经网络的地层放射性特征预测模型，并且利用所述测试集C测试该地层放射性特征预测模型，直到所述地层放射性特征预测模型的预测精度满足要求；基于先前时间t内的地表监测数据、随钻测井数据和地表录井数据，利用所述地层放射性特征预测模型预测随后
△
t时间的预测伽玛值：如果所述预测伽玛值与随后
△
t时间实测的随钻伽马测井数据之间的误差小于误差阈值，则控制钻头沿原方向继续钻进
△
t时间，然后基于先前(t+
△
t)时间内的地表监测数据、随钻测井数据和地表录井数据重复进行所述预测；如果所述预测伽玛值与随后
△<...

【专利技术属性】
技术研发人员：李召坤，苏学斌，张宇，李沁慈，
申请(专利权)人：核工业北京化工冶金研究院，
类型：发明
国别省市：