[發明專利]一種復雜地質鉆進過程地層巖性智能識別方法

有效

• 申請號: 201810853102.6
• 申請日: 2018-07-30
• 公開（公告）號: CN108952699B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 曹衛華;陳茜;甘超;吳敏
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: E21B49/00
• 分類號: E21B49/00;G06F30/20;G06F17/10
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 鄒桂敏

本發明公開了一種復雜地質鉆進過程地層巖性智能識別方法，包括采集測井數據，對獲得的測井數據進行分析，選出與巖性緊密相關的數據，運用小波去噪技術獲得去噪后的樣本數據集；在獲得樣本數據集的基礎上進行歸一化處理，建立ECOC編碼矩陣，并利用并發刪減算法刪減ECOC編碼矩陣，利用核Fisher線性判別作為基分類器對巖性進行分類，并利用蝙蝠優化算法優化基分類器的核參數及閾值參數；通過漢明距離解碼完成最終的巖性類別輸出。本發明將多分類問題轉化為多個二分類問題，能夠較好地區分測井特征相近的巖性，又能夠克服核Fisher線性判別多分類方法中差異較大的類信息掩蓋差異較小的類信息的問題，為復雜鉆進過程智能控制打下了良好的基礎。

技術領域

本發明涉及地質鉆進過程智能控制領域，尤其涉及一種復雜地質鉆進過程地層巖性智能識別方法。

背景技術

目前，我國對大宗礦產品的需求仍不斷增長，現有資源供需矛盾日益突出，對外依存度不斷加大。但事實上，我國礦產資源種類多，蘊藏豐富。隨著新的礦產資源的不斷探明，深部地質勘探和開發成為必然。

盡管深部資源能源開發潛力大，但由于地層深處的環境惡劣，鉆進過程經常遇到敏感性頁巖地層、流變地層、各種鹽類等地層等各種成因不一，特點不同的復雜地層。這些地層由于自身成巖機理，相對于其他地層更容易發生縮徑，坍塌或破裂。如井塌大多發生在泥頁巖地層中，占90％以上。縮徑大多發生在鹽膏層、含鹽膏軟泥層、砂巖中，都需要特別調整泥漿密度來保證井壁不受破壞。所以鉆進過程中識別地層，實鉆時實時檢測當前地層，是實現安全高效鉆進的基礎。

巖性是指反映巖石特征的一些屬性，如顏色、成分、結構、構造等。巖性識別是根據巖石存在的不同特征和屬性，把儲集巖分類成不同單元的過程。進行地層巖性識別是地層三壓力建模的第一步，準確識別地下巖層的分布特征是實現深部礦產資源勘查突破的關鍵。

測井資料中包含豐富的地層巖性信息，是巖性分析的基礎資料。利用測井數據的巖性識別建模方法主要可以分為兩種：一是人工繪圖方法；二是智能建模方法。人工繪圖方法識別巖性的方法有很多種，包括交會圖法，蜘蛛網圖法與階梯圖法等。智能建模方法大多采用監督式機器學習方法，針對地層巖性識別的智能建模方法包括神經網絡、支持向量機、模糊學、核fisher線性判別等方法。利用智能建模方法進行巖性識別已成為測井技術和鉆井技術發展的重要方向。

在利用智能建模方法進行巖性識別時，絕大多數研究假設巖性分布均勻且得到的測井數據均衡，事實上，數據不均衡的特征廣泛存在于地層與地層之間。針對這種情況，有必要針對測井數據進行不平衡數據分類方法研究。融合不平衡數據的處理方法的智能識別方法能更加有效地對地層巖性進行識別。

發明內容

有鑒于此，本發明的實施例提供了一種建立了復雜地質鉆進過程地層巖性自適應不平衡多分類架構，能有效提高巖性識別模型的精度，為復雜地質鉆進過程智能控制打下良好的基礎的復雜地質鉆進過程地層巖性智能識別方法。

本發明的實施例提供一種復雜地質鉆進過程地層巖性智能識別方法，包括以下步驟：

S1.采集測井數據，對獲得的測井數據進行分析，選出與巖性緊密相關的數據，運用小波去噪技術獲得去噪后的樣本數據集；

S2.在獲得樣本數據集的基礎上進行歸一化處理，建立ECOC編碼矩陣，并利用并發刪減算法刪減ECOC編碼矩陣；

S3.基于步驟S2得到的ECOC編碼矩陣，利用核Fisher線性判別作為基分類器對巖性進行分類，并利用蝙蝠優化算法優化基分類器的核參數及閾值參數；

S4.通過漢明距離解碼完成最終的巖性類別輸出。

進一步，所述步驟S1中，與巖性緊密相關的數據包括密度測井、聲波測井、自然電位測井、深、淺三側向測井、微電位與微梯度。

進一步，所述步驟S2中，歸一化處理的公式為：