System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及深度学习与采油结合的,具体为一种改进transformer架构的致密砾岩储层破裂压力智能预测方法。
技术介绍
1、致密砾岩储层非均质性强,岩石破裂压力差异大,导致水平井分段压裂过程中裂缝扩展不均衡,直接影响水平井产出效果。借助fsi产出剖面数据能够实现水平井各簇破裂压力真实值与测井数据的标定,然而fsi成本较高,标定的真实样本数量有限,为准确预测破裂压力带来了挑战。
2、已有的机器学习方法对数据要求严格,当面对有限的数据集时,这些方法往往难以构建出泛化能力强的模型,特别是在处理如致密砾岩储层这样具有显著非均质性的复杂地质条件时,问题尤为突出。由于此类储层内部性质变化极大,有限的数据样本可能无法充分反映其多样性与复杂性,从而导致训练得到的模型在实际应用中表现不佳,尤其是在进行压裂设计以及分段分簇优化等关键作业时,会因为缺乏足够的准确性而难以满足工程需求。
技术实现思路
1、为解决至少一个上述问题,本专利技术提出了一种改进transformer架构的致密砾岩储层破裂压力智能预测方法。
2、本专利技术的技术方案为:一种改进transformer架构的致密砾岩储层破裂压力智能预测方法,包括以下步骤:
3、s1、获取同区块已压裂井的破裂压力数据以及与破裂压力相关的测井参数,并将破裂压力和测井参数进行匹配,并对数据进行预处理得到初始数据;
4、s2、基于cae-som自组织映射神经网络,考虑储层的非均质性,对初始数据进行聚类,得到不
5、s3、基于生成对抗网络,对任一地质条件下的样本类别均进行扩充得到训练集;
6、s4、结合全局注意力和局部注意力机制,利用任一地质条件下的训练集对transformer模型进行训练,最终得到任一地质条件下的transformer预测模型;
7、s5、确定目标井的样本类别,并利用该样本类别对应的transformer预测模型对其破裂压力进行预测。
8、有益效果:本专利技术的方法,通过对破裂压力真实值进行样本聚类,对于同类样本通过生成对抗网络扩充样本集,然后再针对每一类扩充后的样本集分别建立预测模型,结合自组织映射神经网络和生成对抗网络的优势,来有效解决以上技术问题。通过对获取的破裂压力真实值进行聚类和数据扩充,本专利技术能够准确地利用有限的的破裂压力数据进行预测,从而提供了一种更高效的方法来为压裂设计及分段分簇优化提供了强有力的支持。
本文档来自技高网...【技术保护点】
1.一种改进Transformer架构的致密砾岩储层破裂压力智能预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述测井参数包括深度、自然伽马、声波时差、地层真电阻率、密度、井径、补偿中子和自然电位。
3.根据权利要求1所述的方法,其特征在于,S1中,包括以下分步骤:通过压裂过程中的井底压力变化,记录分段压裂施工过程中的压力峰值;利用FSI数据识别已被压裂的压裂簇,根据主应力大小原则,将压力峰值与压裂簇相匹配,得到该压裂簇破裂压力的真实值;记录该压裂簇破裂时的测井参数,即将该压裂簇的破裂压力和测井参数进行匹配;重复前述操作,直至所有压裂簇的破裂压力和测井参数完成匹配。
4.根据权利要求1所述的方法,其特征在于,S1中,数据的预处理包括以下分步骤:基于分段回归插补法,以已获取的随钻测井参数中的每一个参数对应的数据作为一组拟合数据,拟合为多个一元三次回归曲线,当获取值与拟合值的绝对差大于5%时,将获取值视为噪声并用拟合值替代,对于数据中的缺失值,使用该组数据的平均值代替,直至完成所有数据的异常值处理;对处理后的数据进
5.根据权利要求1所述的方法,其特征在于,S2中,包括以下分步骤:基于自编码器,从测井参数中提取有效非均质特征;基于SOM自组织映射神经网络对有效非均质特征进行聚类,从而得到不同地质条件下的样本聚类结果。
6.根据权利要求1所述的方法,其特征在于,S3中,样本扩充上限为样本原始数量的2-10倍。
7.根据权利要求1所述的方法,其特征在于,S4中,包括以下分步骤:
8.根据权利要求1所述的方法,其特征在于,S5中,确定目标井样本类别的方法包括以下分步骤:计算目标井待预测层段的测井参数与S3中不同训练集中每一个样本的欧式距离,随后对目标井待预测层段与每一个训练集中样本的欧式距离之和,欧式距离之和最小的训练集为目标井待预测层段的样本类别。
...【技术特征摘要】
1.一种改进transformer架构的致密砾岩储层破裂压力智能预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述测井参数包括深度、自然伽马、声波时差、地层真电阻率、密度、井径、补偿中子和自然电位。
3.根据权利要求1所述的方法,其特征在于,s1中,包括以下分步骤:通过压裂过程中的井底压力变化,记录分段压裂施工过程中的压力峰值;利用fsi数据识别已被压裂的压裂簇,根据主应力大小原则,将压力峰值与压裂簇相匹配,得到该压裂簇破裂压力的真实值;记录该压裂簇破裂时的测井参数,即将该压裂簇的破裂压力和测井参数进行匹配;重复前述操作,直至所有压裂簇的破裂压力和测井参数完成匹配。
4.根据权利要求1所述的方法,其特征在于,s1中,数据的预处理包括以下分步骤:基于分段回归插补法,以已获取的随钻测井参数中的每一个参数对应的数据作为一组拟合数据,拟合为多个一元三次回归曲线,当获取值与拟合值...
【专利技术属性】
技术研发人员:郭子熙,刘慧,苏骞,康芸玮,李铁军,于君郅,郑文宇,郭大立,
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。