基于人工智能和实钻数据的地层四压力预测方法及装置制造方法及图纸

本说明书涉及油气资源勘探开发技术领域，提供了一种基于人工智能和实钻数据的地层四压力预测方法及装置，该方法包括：获取目标区域内目标钻井的实钻工程参数数据；将实钻工程参数数据按需输入孔隙压力预测模型、坍塌压力预测模型、漏失压力预测模型和破裂压力预测模型，以对应预测目标钻井中对应地层的孔隙压力、坍塌压力、漏失压力和破裂压力；每个压力预测模型预先以目标区域的相邻区域内已钻井的实钻工程参数数据为特征参数，对应的基于测井参数计算所得孔隙压力、坍塌压力、漏失压力及破裂压力数据经钻后校正作为标签，训练人工智能模型得到。通过本说明书实施例可以不依赖测井参数，实现基于钻井工程参数的地层四压力剖面实时预测。面实时预测。面实时预测。

【技术实现步骤摘要】
基于人工智能和实钻数据的地层四压力预测方法及装置


[0001]本说明书涉及油气资源勘探开发
，尤其是涉及一种基于人工智能和实钻数据的地层四压力预测方法及装置。

技术介绍

[0002]地层四压力在钻井过程中对地层四压力进行准确和快速的预测，能够很好地指导地面钻井液密度配置，以确保井筒内压力维持在该区间内，在防止井下事故的同时尽量避免污染和伤害储层，达到最佳的钻井效果；同时地层四压力剖面对后期的进一步开发和提采作业(例如固井水泥配置、地层压裂开发、储层保护等)也有很大帮助。总之，在钻井过程中对地层四压力进行准确和快速的预测，对于提高钻探效率、缩短钻井周期、降低钻井成本、提高天然气勘探开发的经济效益等均具有非常重要的意义。
[0003]目前现有技术对于地层四压力进行预测，主要可以分为取心实验法、测井数据预测法、地震数据预测法和地质建模法等几类。
[0004]取心实验法顾名思义是直接通过实验获得四压力数据，取心实验法是使用取心钻头取得一定深度的岩样，模拟地下温度和压力环境进行实验，如岩心三轴压裂实验。地层漏失实验、地破实验是通过逐渐泵入特定密度的钻井液，根据压力变化特征直接测试出已钻井内的地层压力数据。此类方法得到的数据准确率最高，但需要专门的作业工具，耗时最长，程序最复杂。此外还有岩性分类法，先通过取心实验确定不同岩性在地层内的四压力，再根据地层岩性判别的结果和深度，综合绘制地层四压力剖面图。
[0005]以测井技术为主导的方法是通过测井工具探测井壁周围地层物理性质和地质结构，获得如声波时差、自然伽马、自然电位等等参数与深度的关系，并根据这些数据与地层四压力之间的关系进行压力计算。测井四压力预测一般基于压实理论，异常地层高压一般是由欠压实作用引起的。所谓欠压实指的是随着地层的不断沉积，上覆岩层压力逐渐增大，而如果孔隙内的流体无法外流或没有及时排出，就会承受部分上覆岩层重力。根据压实理论有以下方法，包括等效深度法，利用声波时差原理进行孔隙压力预测；岩石力学法，利用测井曲线中的弹性模量、泊松比等参数，根据岩石力学模型计算地层强度参数，并通过强度参数计算地层破裂压力、坍塌压力；岩石电性法，利用测井曲线中的电阻率、自然伽玛等参数，结合地层中的岩石类型、含水饱和度等因素，通过电性模型计算地层孔隙度和渗透率，从而推算地层四压力。以测井技术为主导的压力预测方法依赖井下测井工具，而测井工具是在钻井结束之后，再下入井内并获取地层数据的。其结果不是真正意义上的预测，此技术只能在钻井结束后应用，并且对井底以下的地层压力无法预测，一般只能将临井数据用作参考，对钻井工作提供的帮助有限。
[0006]以地震技术为主导的方法原理与测井方法中声波时差原理类似，地震波在给定介质中的传播速度主要是有效应力和孔隙度的函数，地震波通过不同岩性时会产生反射和折射等现象，根据接收器收到的反射波时间取得地震波的传播速度，进而推断出地层的孔隙度、渗透率等参数，建立地震剖面图，从而预测地层四压力剖面，如伊顿法。此外还有基于地
震反演的地层四压力预测，包括AVO反演、波阻抗演等等。以地震技术为主导的四压力预测法受到地震资料本身的影响，包括地震资料的准确性，准确性等。由于地下环境非常复杂，传输距离长，地震资料受到的干扰极大，地震资料的处理涉及偏移、叠加处理、去噪等等，同时地震反演结果本身具有多解性，这些不确定因素都会对地震资料的处理结果产生影响，进而影响地层四压力的预测。
[0007]以岩石力学为基础进行数值模型建立，并模拟预测地层四压力方法，包括有限元法、边界元法、离散元法等。基于地下岩石和流体性质建立数学模型，利用多种边界条件计算出各层位四压力，模拟地下变形和破裂，从而预测地层四压力参数。数值模型建立法可直接在计算机上模拟，所需井下工序最少，但数值模拟的结果准确性高度依赖于原始数据的准确性，以及地下岩石和流体的性质如泊松比、弹性模量、粘度等参数的设定，准确性难以保证。不仅如此，建立的模型普遍针对具有特殊性质的油气藏，对其他类型储层适用性差，一般需要结合其他四压力预测方法进行综合预测。
[0008]综上所述，目前亟需一种成本低且预测准确性高的地层四压力剖面预测方案。

技术实现思路

[0009]本说明书实施例的目的在于提供一种基于人工智能和实钻数据的地层四压力预测方法及装置，以提高地层四压力剖面预测的预测准确性并降低预测成本。
[0010]为达到上述目的，一方面，本说明书实施例提供了一种基于人工智能和实钻数据的地层四压力预测方法，包括：
[0011]获取目标区域内目标钻井的实时实钻数据；
[0012]将所述实时实钻数据按需输入漏失压力预测模型、孔隙压力预测模型、坍塌压力预测模型和破裂压力预测模型，以对应预测所述目标钻井中对应地层的漏失压力、孔隙压力、坍塌压力和破裂压力；每个所述压力预测模型预先以所述目标区域的相邻区域内已钻井的实钻数据及地层压力数据为数据集，训练人工智能模型得到。
[0013]本说明书实施例的基于人工智能和实钻数据的地层四压力预测方法中，每个所述压力预测模型预先根据以下方式训练得到：
[0014]利用所述目标区域的相邻区域内已钻井的实钻数据及地层压力数据构建训练集和测试集；
[0015]按照选择的实钻参数组合不同，将所述训练集拆分为多个训练子集，并将所述测试集对应拆分为多个测试子集；
[0016]将所述多个训练子集和所述多个测试子集组合为多个数据子集对；每个数据子集对包括一个训练子集和一个测试子集；
[0017]利用每个所述数据子集对分别训练人工智能模型集合中的每个人工智能模型，获得多个候选预测模型；
[0018]从所述多个候选预测模型中选择一个候选预测模型，以作为所述地层压力数据的预测模型。
[0019]本说明书实施例的基于人工智能和实钻数据的地层四压力预测方法中，在预测所述目标钻井中对应地层的漏失压力、孔隙压力、坍塌压力和破裂压力之后，还包括：
[0020]根据所述目标钻井的实时实钻数据和预测出的地层压力数据更新对应的数据子
集对；
[0021]根据更新后的数据子集更新对应的压力预测模型。
[0022]本说明书实施例的基于人工智能和实钻数据的地层四压力预测方法中，所述根据所述目标钻井的实时实钻数据和预测出的地层压力数据更新对应的数据子集对，包括：
[0023]定时将所述目标区域内的实时实钻数据和预测出的地层压力数据加入对应的数据子集对，并从对应的数据子集对中去除同等数量的所述相邻区域内已钻井的实钻数据及地层压力。
[0024]本说明书实施例的基于人工智能和实钻数据的地层四压力预测方法中，所述实时实钻数据包括井深、地层层位、钻时、大钩载荷、钻压、泵压、转速、排量和钻井液密度中的部分或全部。
[0025]本说明书实施例的基于人工智能和实钻数据的地层四压力预测方法中，所述人工智能模型集合中包括：随机森林模型、梯度提升模型、决策树模型、朴素贝叶斯模型、弹性网络模型、支持向量机模型和神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和实钻数据的地层四压力预测方法，其特征在于，包括：获取目标区域内目标钻井的实时实钻数据；将所述实时实钻数据按需输入漏失压力预测模型、孔隙压力预测模型、坍塌压力预测模型和破裂压力预测模型，以对应预测所述目标钻井中对应地层的漏失压力、孔隙压力、坍塌压力和破裂压力；每个所述压力预测模型预先以所述目标区域的相邻区域内已钻井的实钻数据及地层压力数据为数据集，训练人工智能模型得到。2.如权利要求1所述的基于人工智能和实钻数据的地层四压力预测方法，其特征在于，每个所述压力预测模型预先根据以下方式训练得到：利用所述目标区域的相邻区域内已钻井的实钻数据及地层压力数据构建训练集和测试集；按照选择的实钻参数组合不同，将所述训练集拆分为多个训练子集，并将所述测试集对应拆分为多个测试子集；将所述多个训练子集和所述多个测试子集组合为多个数据子集对；每个数据子集对包括一个训练子集和一个测试子集；利用每个所述数据子集对分别训练人工智能模型集合中的每个人工智能模型，获得多个候选预测模型；从所述多个候选预测模型中选择一个候选预测模型，以作为所述地层压力数据的预测模型。3.如权利要求2所述的基于人工智能和实钻数据的地层四压力预测方法，其特征在于，在预测所述目标钻井中对应地层的漏失压力、孔隙压力、坍塌压力和破裂压力之后，还包括：根据所述目标钻井的实时实钻数据和预测出的地层压力数据更新对应的数据子集对；根据更新后的数据子集更新对应的压力预测模型。4.如权利要求3所述的基于人工智能和实钻数据的地层四压力预测方法，其特征在于，所述根据所述目标钻井的实时实钻数据和预测出的地层压力数据更新对应的数据子集对，包括：定时将所述目标区域内的实时实钻数据和预测出的地层压力数据加入对应的数据子集对，并从...

【专利技术属性】
技术研发人员：陈冬，毛开枫，刘枫，叶智慧，宋先知，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：