[發明專利]一種基于聲振信號的隨鉆巖性智能識別方法與系統

在審

• 申請號: 202210070697.4
• 申請日: 2022-01-21
• 公開（公告）號: CN114492521A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 曾維;王勝;尹生陽
• 申請（專利權）人: 成都理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;E21B47/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于聲振信號的隨鉆巖性智能識別方法與系統，包括：采集巖石與鉆頭碰撞的音頻和振動信號數據，經過數據預處理和數據增強后構建樣本數據集；采用基于CGRU?AttGRU的深度學習優化模型，對采集到的巖石數據進行深度學習與訓練，得到訓練好的預測模型；將實時獲取到的音頻和振動數據和訓練好的識別模型進行識別預測，得到識別預測巖性結果。本發明基于實時獲取動態音頻和振動參數作為巖性識別的基礎，通過利用鉆頭與各巖層接觸過程中發出的巨大信號包含的豐富地層信息，對鉆孔過程中采集到的巖石信號結合深度學習等智能算法對巖石特征進行分析處理，減少人為因素和設備的依賴，并且不斷優化預測模型，提高巖石分類準確度和模型泛化能力。

技術領域

本發明涉及地質勘探領域，尤指涉及一種基于聲振信號的隨鉆巖性智能識別方法與系統。

背景技術

隨鉆實時巖性識別一直是地質工程鉆探領域的一項難題。實現隨鉆實時智能識別對地質勘探和油氣井工程具有重大意義。

傳統的巖性識別方法為鉆井取芯和交會圖法。取芯分析方法是最直接最有效的識別方法，但此方法存在效率低、非實時和人為主觀因素影響等問題。交會圖主要是通過測井曲線資料進行劃分地層，測井曲線包含著豐富的地層信息，根據自然電位、聲波時差和自然伽馬等測井曲線實現非取芯識別，但由于地層環境復雜，大多數類似巖石具有相同的巖性曲線，導致采用測井曲線識別方法不能大規模適用。

通過查閱資料可知，在鉆頭與各巖層接觸過程中，發出的巨大音頻和振動信號攜帶著大量反映鉆頭、鉆柱和地層的信息，這就使得利用鉆井過程中的振動和音頻信號結合人工智能技術實現實時巖性識別成為可能。隨著計算機技術的不斷發展，人工智能技術正在廣泛應用于巖性識別領域。通過機器學習和深度學習在巖性識別領域的應用，探索不同算法模型對不同地質條件下的識別情況，有效提高了識別的速度和效率，實現了早期人工識別到智能識別的過渡，對巖性智能識別具有重要的意義。但目前的巖性識別方法依然具有以下一些問題：

(1)以巖石圖像為基礎的圖像識別可以獲得較好識別效果，但在實際鉆井過程中井內不能滿足實時獲取巖石圖像，不能滿足實時識別要求；

(2)將測井資料結合機器學習的方法進行巖性識別可以達到實時識別的要求，但測井資料種類繁多，需提前進行資料數據的收集和整理，難以獲取足夠的數據集。

發明內容

為了解決上述實時巖性智能識別的難題以及結合時代技術發展的機遇，本發明提出了一種基于聲振信號的隨鉆巖性智能識別方法與系統，從巖石聲波和振動數據集出發，提出基于CGRU網絡模型實現對巖性智能分類；同時為提高模型在鉆孔復雜環境識別能力，引入注意力機制模型構建CGRU-AttGRU優化模型，該模型提高了提取特征表征能力，對復雜音頻和振動信號分配權重實現重點學習，減少人為主觀因素影響，識別方法更具有智能化，同時克服信號本身多樣性的問題，提高識別準確率；并且音頻信號和振動信號相對于實時圖像和其他測井參數更容易獲取，有效解決數據量少和數據獲取困難等問題，為復雜地層進行隨鉆實時巖性識別提供一種新思路。

為實現上述目的，采用技術方案如下：

一種基于聲振信號的隨鉆巖性智能識別方法，該方法包括：采集巖石與鉆頭碰撞的音頻和振動信號數據，經過處理后構建樣本數據集；對采集到的巖石數據進行深度學習與訓練，得到訓練好的預測模型，將實時獲取到的音頻和振動數據和訓練好的識別模型進行識別預測。在預測模型中，將CNN提取的局部特征作為GRU模型的輸入，提取全局特征。同時，為了提升模型的泛化能力，引入注意力模型構建CGRU-AttGRU優化模型，Attention模型與GRU網絡組合作為模型的解碼器結構，CGRU作為模型的編碼器結構。最終通過分類器輸出識別預測巖性結果。