一种基于多源数据耦合的钻井风险预测与评价方法和系统

技术领域

本发明属于钻井工程领域，尤其涉及一种基于多源数据耦合的钻井风险预测与评价方法和系统。

背景技术

钻井风险与事故具有极强隐蔽性和突发性，尤其深层与特深层钻井过程中地质不确定性更大，地层压力更高，引发钻井事故危害性更大。目前国内对超深井风险预测与评估技术与国外比，在预测方法和精度上均存在较大差距，难以满足深层安全钻井的更高要求。

国外学者针对钻井安全提出了多种评价方法，如根据外观调查进行评定的方法；理论分析计算法，包括经验系数折算法和理论计算法；基于规范的评估方法；基于结构可靠度理论的方法和其它综合评价方法等。这些方法考虑了井筒系统所受外部环境(地层压力、高温高压、流体作用等)和内部环境，初步建立了多种因素间的相互作用机制和失效机理和评价准则。井筒的风险评估理论研究方面则初步定量地分析了具体危险源发生的概率和危险发生后造成后果的严重程度，为风险管理的科学决策提供定性的评价依据。

我国在井筒系统的风险评估研究中，初步建立了钻井系统的综合评价指标体系和综合评价模型，并运用模糊数学的原理对单井工程项目进行了模糊综合评价，给出了指标和权数的确定方法。华北油田建立了通过多元聚类和多元判别分析类卡钻事故的预测模型；中国石油大学(北京)、西安石油大学等利用人工神经网络等技术实现钻井故障诊断；中国石油大学(华东)采用模糊识别、模式分类等理论技术实现钻井复杂情况预测和诊断；胜利石油管理局、中国石油大学(华东)、中国电子科技集团公司第二十二研究院、西安石油大学等建立钻井故障专家诊断系统。

对钻井风险进行实时准确预测与评估是保证我国安全钻井的重大需求，但是上述系统均存在一定的缺陷，尤其是考虑的因素较为单一，导致对钻井风险的预测精度和时间上与国外均存在较大差距。

发明内容

为解决上述技术问题，本发明提出一种基于多源数据耦合的钻井风险预测与评价方法的技术方案，以解决上述技术问题。

本发明第一方面公开了一种基于多源数据耦合的钻井风险预测与评价方法，所述方法包括：

步骤S1、收集待钻井区域的预设范围的地震数据、测井数据、钻井数据和录井数据；

步骤S2、对收集到的地震数据、测井数据、钻井数据和录井数据，进行筛选，选取有效数据；对历史的地震数据、测井数据、钻井数据和录井数据进行筛选，选取历史有效数据；所述选取的有效数据和历史有效数据共同构成了目标数据；

步骤S3、对所述目标数据进行预处理，并对预处理后的目标数据予以风险评价标签，并制作成样本数据集；

步骤S4、建立神经网络模型，并将风险预测与评价的机理模型耦合在神经网络中，对所述神经网络模型的输入变量进行约束，最终输出风险发生概率；

步骤S5、应用所述样本数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；

步骤S6、将钻井过程中实时采集的数据输入训练好的神经网络模型中，实时对待钻井区输出风险发生概率。

根据本发明第一方面的方法，在所述步骤S1中，对收集到的地震数据、测井数据、钻井数据和录井数据进行筛选，选取有效数据，具体筛选方法为：

通过方波滤差方法选取有效数据。

根据本发明第一方面的方法，在所述步骤S2中，所述筛选的历史有效数据具体要求：数据的格式相同且数据的偏差在预设范围内。

根据本发明第一方面的方法，在所述步骤S2中，所述方法还包括：

提取目标数据的有效特征，并对所述有效特征进行可视化。

根据本发明第一方面的方法，在所述步骤S3中，对所述目标数据进行预处理的具体方法包括：

利用箱型图和相关性分析对目标数据进行预处理，删除所述目标数据中的有效特征中存在的异常值和相关性较大的特征。

根据本发明第一方面的方法，在所述步骤S4中，所述并将风险预测与评价的机理模型耦合在神经网络中的方法包括：

所述神经网络包括输入层、隐层和输出层；所述机理模型耦合在神经网络中的隐层中。

根据本发明第一方面的方法，在所述步骤S4中，所述对所述神经网络模型的输入变量进行约束的方法包括：

选取地震孔隙压力与实钻地层井筒压力的差值作为输入变量，当孔隙压力高于井筒压力预设范围时会发生井涌，反之会发生井漏；所述差值在预设范围内无风险发生；进而输出风险发生概率。

本发明第二方面公开了一种基于多源数据耦合的钻井风险预测与评价系统，所述系统包括：

第一处理模块，被配置为，收集待钻井区域的预设范围的地震数据、测井数据、钻井数据和录井数据；

第二处理模块，被配置为，对收集到的地震数据、测井数据、钻井数据和录井数据进行筛选，选取有效数据；对历史的地震数据、测井数据、钻井数据和录井数据进行筛选，选取历史有效数据；所述选取的有效数据和历史有效数据共同构成了目标数据；

第三处理模块，被配置为，对所述目标数据进行预处理，并对预处理后的目标数据予以风险评价标签，并制作成样本数据集；

第四处理模块，被配置为，建立神经网络模型，并将风险预测与评价的机理模型耦合在神经网络中，对所述神经网络模型的输入变量进行约束，输出风险发生概率；

第五处理模块，被配置为，应用所述样本数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；

第六处理模块，被配置为，将钻井过程中实时采集的数据输入训练好的神经网络模型中，实时对待钻井区输出风险发生概率。

根据本发明第二方面的系统，第一处理模块，被配置为，通过方波滤差方法选取有效数据。

根据本发明第二方面的系统，第二处理模块，被配置为，所述筛选的历史有效数据具体要求：数据的格式相同且数据的偏差在预设范围内。

根据本发明第二方面的系统，第二处理模块，被配置为，提取目标数据的有效特征，并对所述有效特征进行可视化。

根据本发明第二方面的系统，第三处理模块，被配置为，利用箱型图和相关性分析对目标数据进行预处理，删除所述目标数据中的有效特征中存在的异常值和相关性较大的特征。

根据本发明第二方面的系统，第四处理模块，被配置为，所述神经网络包括输入层、隐层和输出层；所述机理模型耦合在神经网络中的隐层中。

根据本发明第二方面的系统，第四处理模块，被配置为，选取地震孔隙压力与实钻地层井筒压力的差值作为输入变量，当孔隙压力高于井筒压力预设范围时会发生井涌，反之会发生井漏；所述差值在预设范围内无风险发生；进而输出风险发生概率。

本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种基于多源数据耦合的钻井风险预测与评价方法中的步骤。

本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种基于多源数据耦合的钻井风险预测与评价方法中的步骤。

本发明提出的方案，通过构建基于钻井、测井、录井、地震等多源数据耦合的钻井地质风险预测与评估方法，综合已知的所有信息，可以实现对钻井风险进行预测和评估，较现有技术能够提高预测精度，以便及时指导我国安全钻井。具有较好的经济便捷性和技术可行性，适用于当前所有钻井领域。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明实施例的一种基于多源数据耦合的钻井风险预测与评价方法的流程图；

图2为根据本发明实施例的基于多源数据耦合的钻井风险预测与评价方法的逻辑流程图；

图3为根据本发明实施例的风险预测与评价的机理模型耦合在神经网络的示意图；

图4为根据本发明实施例的一种基于多源数据耦合的钻井风险预测与评价系统的结构图；

图5为根据本发明实施例的一种电子设备的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明第一方面公开了一种基于多源数据耦合的钻井风险预测与评价方法。图1为根据本发明实施例的一种基于多源数据耦合的钻井风险预测与评价方法的流程图，如图1和图2所示，所述方法包括：

步骤S1、收集待钻井区域的预设范围的地震数据、测井数据、钻井数据和录井数据；可以通过方波滤差方法选取有效数据。

步骤S2、对收集到的地震数据、测井数据、钻井数据和录井数据进行筛选，选取有效数据；对历史的地震数据、测井数据、钻井数据和录井数据进行筛选，选取历史有效数据；所述选取的有效数据和历史有效数据共同构成了目标数据；

在所述步骤S2中，对历史的地震数据、测井数据、钻井数据和录井数据进行筛选，选取历史有效数据；所述筛选的历史有效数据包括：所述筛选的历史有效数据具体要求：数据的格式相同且数据的偏差在预设范围内，即删除具有无效特征的数据，无效特征包括数据格式不同，无效数据还包括数据偏差较大、以及无意义数据等。

在所述步骤S2中，所述方法还包括：

提取目标数据的有效特征，并对所述有效特征进行可视化。可视化包括作出相应时序图表、地层建模图等，能够更加直观的看出数据的内容，方便分析，该可视化为优选的方案。

步骤S3、对所述目标数据进行预处理，并对预处理后的目标数据予以风险评价标签，并制作成样本数据集；

在所述步骤S3中，对所述目标数据进行预处理的具体方法包括：

利用箱型图和相关性分析对目标数据进行预处理，删除所述目标数据中的有效特征中存在的异常值和相关性较大的特征。具体地，挑选与风险有关和无关的参数，如挑选出风险发生前后地层地震、测井、钻井、录井相关数据)，对风险发生时间前后和上下地层的数据予以标签，利用箱型图和相关性等分析，删除特征中存在的异常值和相关性较大特征。

步骤S4、建立神经网络模型，并将风险预测与评价的机理模型耦合在神经网络中，对所述神经网络模型的输入变量进行约束，最终输出风险发生概率；

具体地，样本数据集包括训练测试集、验证数据集

选择样本较好的数据作为训练测试集，训练测试模型，剩余数据作为验证数据集，对模型进行验证。搭建神经网络，优选网络结构与参数，验证模型精度是否满足实际需求。

在所述步骤S4中，所述并将风险预测与评价的机理模型耦合在神经网络中的方法包括：

如图3所示，所述神经网络包括输入层、隐层和输出层；所述机理模型耦合在神经网络中的隐层中。

在所述步骤S4中，所述对所述神经网络模型的输入变量进行约束的方法包括：

选取地震孔隙压力与实钻地层井筒压力的差值作为输入变量，当孔隙压力高于井筒压力预设范围时会发生井涌，反之会发生井漏；所述差值在预设范围内无风险发生；进而输出风险发生概率。

具体地，需要将相关机理耦合在神经网络中。如在井漏的判断过程中，需要对关键参数进行判断，建立子神经网络。基于地震数据可以获得地层三压力参数，对于特定地层，选取地震孔隙压力与实钻地层井筒压力的差值作为变量，当孔隙压力高于井筒压力一定程度时会发生井涌，反之会发生井漏。二者差值在一定范围内无风险发生。即输入地震数据分析所得的三压力剖面、实钻井筒压力，输出风险发生概率。

步骤S5、应用所述样本数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；通过不断学习完善优化模型后，建立钻井风险预测与评价模型。

步骤S6、将钻井过程中实时采集的数据输入训练好的神经网络模型中，实时对待钻井区输出风险发生概率。将钻井过程中实时采集的数据与软件钻井风险预测与评价模型相连接，便能够实时对待钻地层的风险给出预警和评价，及时指导钻井。

综上，本发明提出的方案能够通过构建基于钻井、测井、录井、地震等多源数据耦合的钻井地质风险预测与评估方法，综合已知的所有信息，可以实现对钻井风险进行预测和评估，较现有技术能够提高预测精度，以便及时指导我国安全钻井。具有较好的经济便捷性和技术可行性，适用于当前所有钻井领域。

本发明第二方面公开了一种基于多源数据耦合的钻井风险预测与评价系统。图4为根据本发明实施例的一种基于多源数据耦合的钻井风险预测与评价系统的结构图；如图4所示，所述系统100包括：

第一处理模块101，被配置为，收集待钻井区域的预设范围的地震数据、测井数据、钻井数据和录井数据；

第二处理模块102，被配置为，对收集到的地震数据、测井数据、钻井数据和录井数据进行筛选，选取有效数据；对历史的地震数据、测井数据、钻井数据和录井数据进行筛选，选取历史有效数据；所述选取的有效数据和历史有效数据共同构成了目标数据；

第三处理模块103，被配置为，对所述目标数据进行预处理，并对预处理后的目标数据予以风险评价标签，并制作成样本数据集；

第四处理模块104，被配置为，建立神经网络模型，并将风险预测与评价的机理模型耦合在神经网络中，对所述神经网络模型的输入变量进行约束，输出风险发生概率；

第五处理模块105，被配置为，应用所述样本数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；

第六处理模块106，被配置为，将钻井过程中实时采集的数据输入训练好的神经网络模型中，实时对待钻井区输出风险发生概率。

根据本发明第二方面的系统，第一处理模块101，被配置为，通过方波滤差方法选取有效数据。

根据本发明第二方面的系统，第二处理模块102，被配置为，所述筛选的历史有效数据具体要求：数据的格式相同且数据的偏差在预设范围内。

根据本发明第二方面的系统，第二处理模块102，被配置为，提取目标数据的有效特征，并对所述有效特征进行可视化。

根据本发明第二方面的系统，第三处理模块103，被配置为，利用箱型图和相关性分析对目标数据进行预处理，删除所述目标数据中的有效特征中存在的异常值和相关性较大的特征。

根据本发明第二方面的系统，第四处理模块104，被配置为，所述神经网络包括输入层、隐层和输出层；所述机理模型耦合在神经网络中的隐层中。

根据本发明第二方面的系统，第四处理模块104，被配置为，选取地震孔隙压力与实钻地层井筒压力的差值作为输入变量，当孔隙压力高于井筒压力预设范围时会发生井涌，反之会发生井漏；所述差值在预设范围内无风险发生；进而输出风险发生概率。

本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本发明公开第一方面中任一项的一种基于多源数据耦合的钻井风险预测与评价方法中的步骤。

图5为根据本发明实施例的一种电子设备的结构图，如图5所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本发明公开第一方面中任一项的一种基于多源数据耦合的钻井风险预测与评价方法中的步骤中的步骤。

请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。