深地油气精准导航砂泥岩地层构造评价方法与系统技术方案

本发明专利技术属于地质勘探领域，具体涉及了一种深地油气精准导航砂泥岩地层构造评价方法与系统，旨在解决现有技术中对缺失曲线的预测方法由于地质深度的变化，基于本地数据的估计方法不可靠的问题。本发明专利技术包括：获取目标井位的基础数据、邻井的基础数据和邻井的随钻声波曲线，并划分基础数据组，对基础数据组仅保留极强相关和强相关数据后进行降维，通过降维后的融合特征参数与时频谱构建三维融合特征数据体，通过三维融合特征数据体预测缺失曲线，并通缺失曲线对地层构造模型进行校正进而指导调整钻进轨迹。本发明专利技术实现了在随钻阶段无法全面获取测井数据的情况下的精确的地质预测，为钻入轨迹的设计提供了精确的指引。钻入轨迹的设计提供了精确的指引。钻入轨迹的设计提供了精确的指引。

【技术实现步骤摘要】
深地油气精准导航砂泥岩地层构造评价方法与系统


[0001]本专利技术属于地质勘探领域，具体涉及了一种深地油气精准导航砂泥岩地层构造评价方法与系统。

技术介绍

[0002]钻井油气井是一个复杂的过程，涉及许多操作因素和高地质不确定性。在硬岩钻井和地质导向应用中，了解地质环境对于将井置于最佳位置至关重要。利用测量和随钻测井(MWD/LWD)数据进行高级分析，是提高我们对钻头周围岩石力学特性理解的一种方法。声波测井通常被用来估计岩石的力学性质，与地震资料相结合可以大大减少地质解释的模糊性，有助于构建更好的油气藏模型。然而，如王清海,赵福玉,钟星星.阻抗面陡倾条件下声波测井数据异常的分析与修正[J].路基工程,2023(02):90
‑
95.DOI:10.13379/j.issn.1003
‑
8825.202210012.中遇到的情况，由于成本限制或井眼问题，声波测井数据可能在目标区域的某些井中缺失或可靠性降低，因此必须从其他常见的测井类型中估算。
[0003]从根本上来说，用数学方法预测缺失测井的任务具有挑战性。使用在相同深度测量的其他测井类型来预测特定深度的缺失测井的能力，隐含地假设测量的测井包含足够的重建信息。缺失的测井类型和测量的测井类型之间的这种依赖关系可能不存在，部分或完全不存在。在实践中，通过设计测量的测井类型往往是互补的，以便为地球科学家提供地下的多面视图，或者有效地提供地下的更完整的特征描述。假设测井类型之间存在某种程度的依赖关系，如果仅基于局部分析，建立关系的尝试可能会受到限制。

技术实现思路

[0004]为了解决现有技术中的上述问题，即现有技术中对缺失曲线的预测方法由于地质深度的变化，基于本地数据的估计方法不可靠的问题，本专利技术提供了一种深地油气精准导航砂泥岩地层构造评价方法，所述方法包括：步骤S100，获取目标井位的基础数据、邻井的基础数据和邻井的随钻声波曲线，并将所述目标井位的基础数据和邻井的基础数据均划分为岩性组数据、电性组数据、空隙组数据、钻井组数据和录井组数据；所述岩性组数据为：NEU、PEF和GR；所述电性组数据为：RD、RS和COND；空隙组数据为：CAL、CNL和DEN；钻井组数据为：钻速、转速和钻压；录井组数据为：C1C2、MDIA和FPPG；步骤S200，分别计算邻井的基础数据中每种数据与邻井的随钻声波曲线的第一相关度值；在目标井位的基础数据中剔除第一相关度值低于预设的第一相关阈值的数据类型，获得z个去冗余基础数据组；z为1至5中的一个整数；步骤S300，对每个去冗余基础数据组进行降维，获得z个融合特征参数；步骤S400，基于所述目标井位的基础数据，选取岩性组数据的融合特征参数，进行地质分层，获取测井数据时频谱，基于所述测井数据时频谱将z个融合特征参数转化为三维融合特征数据体；
步骤S500，基于所述三维融合特征数据体，通过训练好的缺失曲线预测模型获取随钻声波预测曲线；步骤S600，通过邻井的基础数据和邻井的随钻声波曲线，获取初始地层构造模型，通过随钻声波预测曲线对所述初始地层构造模型进行校正获得地层构造模型；步骤S700，基于所述地层构造模型调整钻进轨迹。
[0005]在一些优选的实施方式中，获得所述目标井位的基础数据和邻井的基础数据之前，还包括剔除异常值的步骤，具体包括：步骤A10，将采集到的原始数据进行排列组合获得待处理数据集,，为1至15中的任意整数；其中表示数据点，i表示数据类型的序号；步骤A20，从待处理数据集中随机抽取个数据点构成待处理数据子集存入根节点；步骤A30，从待处理数据集中随机选定一个维度q，在维度q中随机产生一个切割点p；其中切割点p满足，j表示数据点的序号；步骤A40，根据切割点p生成将维度q中数据划分为两个子空间的超平面，指定数值小于p的维度q的数据点放入第一叶子节点，数值大于或等于p的数据点放入第二叶子节点；步骤A50，递归步骤A30至步骤A40所述的方法，直至所有的叶子节点都只有一个数据点或孤立树已经达到预设的高度；步骤A60，重复步骤A30至步骤A50所述的方法，直至生成T个孤立树；其中，T个孤立树表示：孤立树没有叶子节点的外部节点，或有两个叶子节点和一个内部节点test；在T个孤立树的内部节点test由维度q和一个分割点p组成，q<p的点属于，反之属于；步骤A70，所述T个孤立树即为孤立树森林，令每个数据点遍历每一个孤立树，计算数据点在每一个孤立树的高度即数据点从所在孤立树的根节点到叶子节点经过的边的数量；从而计算数据点在孤立树森林中的平均高度，对所有数据点的平均高度做归一化处理，获得归一化的数据点平均高度；步骤A80，基于所述归一化的数据点平均高度，计算异常值分数：；其中，表示个数据点所构建的二叉树路径长度的平均值，E（*）表示期望；
；其中，表示调和数，通过估算， 0.5772156649为欧拉常数；当所述异常值分数小于预设的异常值阈值s时，将对应的数据点剔除，获得有效测井数据，，，表示有效测井数据中的数据点数，有效测井数据即目标井位的基础数据和邻井的基础数据。
[0006]在一些优选的实施方式中，所述分别计算邻井的基础数据中每种数据与邻井的随钻声波曲线的第一相关度值，具体包括：计算每种数据与邻井的随钻声波曲线的皮尔森相关系数，作为第一相关度值：；其中，表示邻井的随钻声波曲线在i点的数值，表示邻井的基础数据中的任一种数据在i点的数值，表示邻井的随钻声波曲线的平均值，表示邻井的基础数据中的任一种数据的平均值，i表示数据点的序号，n表示数据点的个数。
[0007]在一些优选的实施方式中，所述对每个去冗余基础数据组进行降维，具体包括：通过t
‑
SNE方法将属于同一组的岩性组数据、电性组数据、空隙组数据、钻井组数据或录井组数据中的去冗余基础数据组进行非线性降维，具体包括：步骤S310，基于所述去冗余基础数据组，选取任意点和，，其中服从以为中心且方差为的高斯分布，服从以为中心且方差为的高斯分布；则和相似的条件概率为：；其中，用户可根据指定困惑度Perp，困惑度的定义为：，表示高斯分布的香农信息熵：；数据点与相似的条件概率在全部数据点中两两相似度的联合概率为：
；其中，表示和相似的条件概率；步骤S420，假设基于所述有效测井数据构建降维测井数据集为，在步骤S420中，有效测井数据相对于降维测井数据集为高维空间中的数据，计算数据点与在降维测井数据集中对应的模拟点与的联合概率：；其中，，和表示降维测井数据集中不相同的两个点，，每个联合概率的计算遍历所有降维测井数据集中不相同的两个点；步骤S430，基于所述数据点与相似的条件概率在全部数据点中两两相似度的联合概率，及数据点与在降维测井数据集中对应的模拟点与的联合概率，通过KL散度来度量降维测井数据集概率分布Q和有效测井数据的高维空间概率分布P之间的第三相似度值：；所述第三相似度值的值越小表示降维测井数据集模拟点的模拟正确性越高；通过梯度下降法使KL散度取最小值：；获得降维测井数据集；保留降维测井数据集的前1个维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深地油气精准导航砂泥岩地层构造评价方法，其特征在于，所述方法包括：步骤S100，获取目标井位的基础数据、邻井的基础数据和邻井的随钻声波曲线，并将所述目标井位的基础数据和邻井的基础数据均划分为岩性组数据、电性组数据、空隙组数据、钻井组数据和录井组数据；所述岩性组数据为：NEU、PEF和GR；所述电性组数据为：RD、RS和COND；空隙组数据为：CAL、CNL和DEN；钻井组数据为：钻速、转速和钻压；录井组数据为：C1C2、MDIA和FPPG；步骤S200，分别计算邻井的基础数据中每种数据与邻井的随钻声波曲线的第一相关度值；在目标井位的基础数据中剔除第一相关度值低于预设的第一相关阈值的数据类型，获得z个去冗余基础数据组；z为1至5中的一个整数；步骤S300，对每个去冗余基础数据组进行降维，获得z个融合特征参数；步骤S400，基于所述目标井位的基础数据，选取岩性组数据的融合特征参数，进行地质分层，获取测井数据时频谱，基于所述测井数据时频谱将z个融合特征参数转化为三维融合特征数据体；步骤S500，基于所述三维融合特征数据体，通过训练好的缺失曲线预测模型获取随钻声波预测曲线；步骤S600，通过邻井的基础数据和邻井的随钻声波曲线，获取初始地层构造模型，通过随钻声波预测曲线对所述初始地层构造模型进行校正获得地层构造模型；步骤S700，基于所述地层构造模型调整钻进轨迹。2.根据权利要求1所述的一种深地油气精准导航砂泥岩地层构造评价方法，其特征在于，获得所述目标井位的基础数据和邻井的基础数据之前，还包括剔除异常值的步骤，具体包括：步骤A10，将采集到的原始数据进行排列组合获得待处理数据集 ，，为1至15中的任意整数；其中表示数据点，i表示数据类型的序号；步骤A20，从待处理数据集中随机抽取个数据点构成待处理数据子集存入根节点；步骤A30，从待处理数据集中随机选定一个维度q，在维度q中随机产生一个切割点p；其中切割点p满足，j表示数据点的序号；步骤A40，根据切割点p生成将维度q中数据划分为两个子空间的超平面，指定数值小于p的维度q的数据点放入第一叶子节点，数值大于或等于p的数据点放入第二叶子节点；步骤A50，递归步骤A30至步骤A40所述的方法，直至所有的叶子节点都只有一个数据点或孤立树已经达到预设的高度；步骤A60，重复步骤A30至步骤A50所述的方法，直至生成T个孤立树；其中，T个孤立树表示：孤立树没有叶子节点的外部节点，或有两个叶子节点和一个内部节点test；在T个孤立树的内部节点test由维度q和一个分割点p组成，q<p的点属于，反之属于；步骤A70，所述T个孤立树即为孤立树森林，令每个数据点遍历每一个孤立树，计算数
据点在每一个孤立树的高度即数据点从所在孤立树的根节点到叶子节点经过的边的数量；从而计算数据点在孤立树森林中的平均高度，对所有数据点的平均高度做归一化处理，获得归一化的数据点平均高度；步骤A80，基于所述归一化的数据点平均高度，计算异常值分数：；其中，表示个数据点所构建的二叉树路径长度的平均值，E（*）表示期望；；其中，表示调和数，通过估算，为欧拉常数；当所述异常值分数小于预设的异常值阈值s时，将对应的数据点剔除，获得有效测井数据，，，表示有效测井数据中的数据点数，有效测井数据即目标井位的基础数据和邻井的基础数据。3.根据权利要求2所述的一种深地油气精准导航砂泥岩地层构造评价方法，其特征在于，所述分别计算邻井的基础数据中每种数据与邻井的随钻声波曲线的第一相关度值，具体包括：计算每种数据与邻井的随钻声波曲线的皮尔森相关系数，作为第一相关度值：；其中，表示邻井的随钻声波曲线在i点的数值，表示邻井的基础数据中的任一种数据在i点的数值，表示邻井的随钻声波曲线的平均值，表示邻井的基础数据中的任一种数据的平均值，i表示数据点的序号，n表示数据点的个数。4.根据权利要求3所述的一种深地油气精准导航砂泥岩地层构造评价方法，其特征在于，所述对每个去冗余基础数据组进行降维，具体包括：通过t
‑
SNE方法将属于同一组的岩性组数据、电性组数据、空隙组数据、钻井组数据或录井组数据中的去冗余基础数据组进行非线性降维，具体包括：步骤S310，基于所述去冗余基础数据组，选取任意点和，，其中服从以 为中心且方差为的高斯分布，服从以为中心且方差为的高斯分布；则和相似的条件概率为：
；其中，用户可根据指定困惑度Perp，困惑度的定义为：，表示高斯分布的香农信息熵：；数据点与相似的条件概率在全部数据点中两两相似度的联合概率为：；其中，表示和相似的条件概率；步骤S420，假设基于所述有效测井数据构建降维测井数据集为，在步骤S420中，有效测井数据相对于降维测井数据集为高维空间中的数据，计算数据点与在降维测井数据集中对应的模拟点与的联合概率：；其中，，和表示降维测井数据集中不相同的两个点，，每个联合概率的计算遍历所有降维测井数据集中不相同的两个点；步骤S430，基于所述数据点与相似的条件概率在全部数据点中两两相似度的联合概率，及数据点与在降维测井数据集中对应的模拟点与的联合概率，通过KL散度来度量降维测井数据集概率分布Q和有效测井数据的高维空间概率...

【专利技术属性】
技术研发人员：田飞，郑文浩，底青云，张江云，杨永友，郑健，曹文静，
申请(专利权)人：中国科学院地质与地球物理研究所，
类型：发明
国别省市：