井筒稳定性预测模型训练制造技术

本发明专利技术公开了一种井筒稳定性预测模型训练

【技术实现步骤摘要】
井筒稳定性预测模型训练、井筒稳定性的预测方法及装置


[0001]本专利技术涉及油气井钻井
，特别涉及一种井筒稳定性预测模型训练
、
井筒稳定性的预测方法及装置
。

技术介绍

[0002]目前，油气勘探开发的重点向非常规页岩油气的深层
、
超深层发展
。
但由于油气构造埋藏较深，而埋藏的环境具有温度高
、
地层压力层系复杂
、
安全钻井液密度窗口窄等特点，若钻井工艺措施不当极易发生井漏
、
溢流
、
气侵等复杂的井筒压力失稳情况，严重时可能导致整口井报废，因此准确预测钻井风险类型，进而确定井筒是否稳定，是实现在深部高温高压复杂地层中安全高效钻进的关键技术
。
[0003]而传统的预测钻井风险类型或预测井筒稳定性的方法，主要是通过综合录井仪器实时监测录井参数是否超过设定的阈值，来诊断井下是否发生复杂风险，但阈值设定依赖于技术人员专业经验，具有较强的主观性，导致预测钻井风险类型的准确率低，漏警率和虚报率高，而现有技术中将人工智能技术应用于预测井筒稳定性或预测钻井风险类型时，虽然摆脱了人工判断，降低了主观性，但是并未结合地层压力
、
井底压力和钻井施工参数之间的联系，因此现有技术中预测井筒稳定性或预测钻井风险类型的方法存在稳定性差和可靠性差的问题
。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种井筒稳定性预测模型训练
、
井筒稳定性的预测方法及装置
。
[0005]第一方面，本专利技术实施例提供一种井筒稳定性预测模型的训练方法，包括：
[0006]获取邻井的控压钻井数据
、
测井数据
、
钻井数据
、
地层压力剖面数据
、
井底压力数据以及钻井风险类型数据；
[0007]根据所述地层压力剖面数据与所述测井数据，确定地层压力输入向量，根据所述地层压力剖面数据和所述地层压力输入向量，得到第一训练样本，将所述第一训练样本输入至预搭建的第一神经网络中进行训练，得到地层压力预测模型；
[0008]根据所述控压钻井数据和所述井底压力数据，确定井底压力输入向量，根据所述井底压力输入向量和所述井底压力数据，得到第二训练样本，将所述第二训练样本输入至预搭建的第二神经网络中进行训练，得到井底压力预测模型；
[0009]根据所述钻井风险类型数据与所述钻井数据，确定风险类型输入向量，根据所述钻井风险类型数据与所述风险类型输入向量，得到第三训练样本，将所述第三训练样本输入至预搭建的第三神经网络中进行训练，得到工程参数神经网络；
[0010]将所述地层压力预测模型
、
所述井底压力预测模型以及所述工程参数神经网络并联，生成井筒稳定性预测模型，所述井筒稳定性预测模型用于输出所述邻井存在的风险类型
。
[0011]在一个实施例中，所述测井数据至少有一种；
[0012]所述根据所述地层压力剖面数据与所述测井数据，确定地层压力输入向量，包括：
[0013]计算所述地层压力剖面数据与每种所述测井数据的相关性强度，得到每种测井数据对应的地层压力相关性强度；
[0014]将地层压力相关性强度大于等于预设的地层压力相关性强度阈值的测井数据，作为地层压力输入数据，对所述地层压力输入数据进行特征提取，得到地层压力输入向量
。
[0015]在一个实施例中，所述计算所述地层压力剖面数据与每种所述测井数据的相关性强度，得到每种测井数据对应的地层压力相关性强度，包括：
[0016]利用下式，计算所述地层压力剖面数据与测井数据的相关性强度；
[0017]；
[0018]上式中，表示地层压力剖面数据，表示测井数据，表示的协方差，表示的方差，表示的方差，表示的相关系数
。
[0019]在一个实施例中，所述控压钻井数据至少有一种；
[0020]所述根据所述控压钻井数据和所述井底压力数据，确定井底压力输入向量，包括：
[0021]计算所述井底压力数据与每种所述控压钻井数据的相关性强度，得到每种控压钻井数据对应的井底压力相关性强度；
[0022]将井底压力相关性强度大于等于预设的井底压力相关性强度阈值的控压钻井数据，作为井底压力输入数据，对所述井底压力输入数据进行特征提取，得到井底压力输入向量
。
[0023]在一个实施例中，所述计算所述井底压力数据与每种所述控压钻井数据的相关性强度，得到每种控压钻井数据对应的井底压力相关性强度，包括：
[0024]利用下式，计算井底压力数据与控压钻井数据的相关性强度：
[0025]；
[0026]上式中，表示井底压力数据，表示控压钻井数据，表示的协方差，表示的方差，表示的方差，表示的相关系数
。
[0027]在一个实施例中，所述钻井风险类型数据至少有一种；所述钻井数据至少有一种；
[0028]所述根据所述钻井风险类型数据与所述钻井数据，确定风险类型输入向量，包括：
[0029]计算所述钻井风险类型数据与每种所述钻井数据的相关性强度，得到每种钻井风险类型数据与每种钻井数据的风险类型相关性强度；
[0030]将风险类型相关性强度大于等于预设的风险类型相关性强度阈值的钻井数据，作为风险类型输入数据，对所述风险类型输入数据进行特征提取，得到风险类型输入向量
。
[0031]在一个实施例中，所述计算所述钻井风险类型数据与每种所述钻井数据的相关性强度，得到每种钻井风险类型数据与每种钻井数据的风险类型相关性强度，包括：
[0032]利用下式，计算钻井风险类型与钻井数据的相关性强度：
[0033]；
[0034]上式中，表示钻井风险类型，表示钻井数据，表示的协方差，
表示的方差，表示的方差，表示的相关系数
。
[0035]第二方面，本专利技术实施例提供一种井筒稳定性的预测方法，包括：
[0036]获取待预测风险类型钻井的控压钻井数据
、
测井数据和钻井数据；
[0037]根据所述待预测风险类型钻井的测井数据，生成地层压力输入向量，根据所述待预测风险类型钻井的控压钻井数据，生成井底压力输入向量，根据所述待预测风险类型钻井的钻井数据，生成风险类型输入向量；
[0038]将所述地层压力输入向量
、
所述井底压力输入向量和所述风险类型输入向量输入井筒稳定性预测模型中，得到待预测风险类型钻井的风险类型；
[0039]所述井筒稳定性预测模型是通过前述的井筒稳定性预测模型的训练方法得到的
。
[0040]第三方面，本专利技术实施例提供一种井筒稳定性预测模型的训练装置，包括：
[0041]第一获取模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种井筒稳定性预测模型的训练方法，其特征在于，包括：获取邻井的控压钻井数据
、
测井数据
、
钻井数据
、
地层压力剖面数据
、
井底压力数据以及钻井风险类型数据；根据所述地层压力剖面数据与所述测井数据，确定地层压力输入向量，根据所述地层压力剖面数据和所述地层压力输入向量，得到第一训练样本，将所述第一训练样本输入至预搭建的第一神经网络中进行训练，得到地层压力预测模型；根据所述控压钻井数据和所述井底压力数据，确定井底压力输入向量，根据所述井底压力输入向量和所述井底压力数据，得到第二训练样本，将所述第二训练样本输入至预搭建的第二神经网络中进行训练，得到井底压力预测模型；根据所述钻井风险类型数据与所述钻井数据，确定风险类型输入向量，根据所述钻井风险类型数据与所述风险类型输入向量，得到第三训练样本，将所述第三训练样本输入至预搭建的第三神经网络中进行训练，得到工程参数神经网络；将所述地层压力预测模型
、
所述井底压力预测模型以及所述工程参数神经网络并联，生成井筒稳定性预测模型，所述井筒稳定性预测模型用于输出所述邻井存在的风险类型
。2.
如权利要求1所述的方法，其特征在于，所述测井数据至少有一种；所述根据所述地层压力剖面数据与所述测井数据，确定地层压力输入向量，包括：计算所述地层压力剖面数据与每种所述测井数据的相关性强度，得到每种测井数据对应的地层压力相关性强度；将地层压力相关性强度大于等于预设的地层压力相关性强度阈值的测井数据，作为地层压力输入数据，对所述地层压力输入数据进行特征提取，得到地层压力输入向量
。3.
如权利要求2所述的方法，其特征在于，所述计算所述地层压力剖面数据与每种所述测井数据的相关性强度，得到每种测井数据对应的地层压力相关性强度，包括：利用下式，计算所述地层压力剖面数据与测井数据的相关性强度；；上式中，表示地层压力剖面数据，表示测井数据，表示的协方差，表示的方差，表示的方差，表示的相关系数
。4.
如权利要求1所述的方法，其特征在于，所述控压钻井数据至少有一种；所述根据所述控压钻井数据和所述井底压力数据，确定井底压力输入向量，包括：计算所述井底压力数据与每种所述控压钻井数据的相关性强度，得到每种控压钻井数据对应的井底压力相关性强度；将井底压力相关性强度大于等于预设的井底压力相关性强度阈值的控压钻井数据，作为井底压力输入数据，对所述井底压力输入数据进行特征提取，得到井底压力输入向量
。5.
如权利要求4所述的方法，其特征在于，所述计算所述井底压力数据与每种所述控压钻井数据的相关性强度，得到每种控压钻井数据对应的井底压力相关性强度，包括：利用下式，计算井底压力数据与控压钻井数据的相关性强度：；上式中，表示井底压力数据，表示控压钻井数据，表示的协方差，
表示的方差，表示的方差，表示的相关系数
。6.
如权利要求1所述的方法，其特征在于，所述钻井风险类型数据至少有一种；所述钻井数据至少有一种；所述根据所述钻井风险类型数据与所述钻井数据，确定风险类型输入向量，包括：计算所述钻井风险类型数据与每种所述钻井数据的相关性强度，得到每种钻井风险类型数据与每种钻井数据的风险类型相关性强度；将风险类型相关性强度大于等于预设的风险类型相关性强度阈值的钻井数据，作为风险类型输入数据，对所述风险类型输入数据进行特征提取，得到风险类型输入向量
。7.
如权利要求6所述的方法，其特征在于，所述计算所述钻井风险类型数据与每种所述钻井数据的相关性强度，得到每种钻井风险类型...

【专利技术属性】
技术研发人员：李雪松，丁建新，王建华，邹卓峰，曾杰，孙小强，管震，李洪松，
申请(专利权)人：中国石油天然气集团有限公司，
类型：发明
国别省市：