[發明專利]巖石可鉆性預測方法、系統、存儲介質及電子終端

有效

• 申請號: 201811243158.6
• 申請日: 2018-10-24
• 公開（公告）號: CN109635244B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 李乾;王孝山;邱康;郭志輝;陸國琛
• 申請（專利權）人: 中國石油化工集團有限公司;中石化石油工程技術服務有限公司;中石化海洋石油工程有限公司石油工程技術研究院
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/045;G06N3/08;G06Q10/04
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 高彥

1.一種巖石可鉆性預測方法，其特征在于，包括：

步驟1：獲取多個巖石可鉆性級值實驗數據；

步驟2：建立單測井參數與巖石可鉆性級值之間的一元回歸模型，以基于單測井參數與巖石可鉆性級值之間相關性，篩選出與巖石可鉆性級值關聯的多個第一有效測井參數；

步驟3：建立多測井參數與巖石可鉆性級值之間的多元回歸模型，以從所述第一有效測井參數中篩選出滿足模型顯著性要求的多個第二有效測井參數；

步驟4：以所述第二有效測井參數作為輸入變量，且以巖石可鉆性級值的實驗值作為期望輸出變量，建立用于預測巖石可鉆性級值的第一神經網絡模型，且令基于所述第一神經網絡模型獲得的巖石可鉆性級值為巖石可鉆性初步預測級值；

步驟5：以所述巖石可鉆性初步預測級值以及巖石特征參數作為輸入變量，且以巖石可鉆性級值的實驗值作為期望輸出變量，建立用于預測巖石可鉆性級值的第二神經網絡模型，且令基于所述第二神經網絡模型獲得的巖石可鉆性級值作為巖石可鉆性最終預測級值。

2.根據權利要求1所述的巖石可鉆性預測方法，其特征在于，步驟1還包括：

步驟11：歸位取自巖心庫的巖心的巖心深度；

步驟12：基于歸位后的巖心進行巖石可鉆性室內微鉆實驗，以獲取所述巖石可鉆性級值實驗數據。

3.根據權利要求2所述的巖石可鉆性預測方法，其特征在于，步驟11中所述歸位取自巖心庫的巖心的巖心深度的方式具體包括：通過以巖心巖性分析的孔隙度、滲透率值與測井計算值進行對比同時兼顧取心巖樣描述的方式，對巖心進行深度歸位。

4.根據權利要求2所述的巖石可鉆性預測方法，其特征在于，步驟2包括：

建立與步驟1所述巖心深度相對應的單測井參數數據與巖石可鉆性級值實驗值之間在置信水平95％條件下的一元回歸模型。

5.根據權利要求1所述的巖石可鉆性預測方法，其特征在于，步驟3包括：

基于步驟2所述第一有效測井參數，建立多測井參數數據與巖石可鉆性級值之間在置信水平95％條件下的多元回歸模型；

通過F檢驗，驗證所述多元回歸模型的回歸結果的顯著性；所述F檢驗服從自由度為(k，n-k-1)的F分布，其計算公式為：其中，

n為測井數據點的個數，k為測井變量數，為預測值，為實驗值平均數，y_i為實驗值。

6.根據權利要求1所述的巖石可鉆性預測方法，其特征在于，所述第一神經網絡模型為級聯BP神經網絡模型；所述第二神經網絡模型為RBF徑向基神經網絡模型；所述級聯BP神經網絡模型和RBF徑向基神經網絡模型組合構成BP-RBF雙級聯神經網絡模型。

7.根據權利要求1～6中任一項所述的巖石可鉆性預測方法，其特征在于，所述測井參數包括聲波時差、泥質含量、巖石密度或電阻率中的任一種或多種組合；所述巖石特征參數包括巖石硬度、抗壓強度、或塑性系數中的任一種或多種組合。

8.一種巖石可鉆性預測系統，其特征在于，包括：

數據獲取模塊，用于獲取多個巖石可鉆性級值實驗數據；

模型建立模塊，用于建立單測井參數數據與巖石可鉆性級值之間的一元回歸模型，以基于單測井參數與巖石可鉆性級值之間相關性，篩選出與巖石可鉆性級值關聯的多個第一有效測井參數；并用于建立多測井參數與巖石可鉆性級值之間的多元回歸模型，以從所述第一有效測井參數中篩選出滿足模型顯著性要求的第二有效測井參數；并用于以所述第二有效測井參數作為輸入變量，以巖石可鉆性級值的實驗值作為期望輸出變量，建立用于預測巖石可鉆性級值的第一神經網絡模型，其中，令基于所述第一神經網絡模型獲得的巖石可鉆性級值為巖石可鉆性初步預測級值；并用于以所述巖石可鉆性初步預測級值以及巖石特征參數作為輸入變量，且以巖石可鉆性級值的實驗值作為期望輸出變量，建立用于預測巖石可鉆性級值的第二神經網絡模型，且令基于所述第二神經網絡模型獲得的巖石可鉆性級值作為巖石可鉆性最終預測級值。