一种基于录井数据的水平井测井数据智能补全方法及系统与流程

摘要: 本发明涉及石油天然气勘探开发,特别涉及一种基于录井数据的水平井测井数据智能补全方法及系统。背景技术:1、在油气勘探开发过程中,测井数据是评价储层物性、计算地质储...
一种基于录井数据的水平井测井数据智能补全方法及系统与流程

本发明涉及石油天然气勘探开发,特别涉及一种基于录井数据的水平井测井数据智能补全方法及系统。

背景技术:

1、在油气勘探开发过程中,测井数据是评价储层物性、计算地质储量、指导钻井工程和压裂设计的关键基础数据。水平井作为非常规油气资源开发的主要井型,其水平段通常长达数百米甚至数千米,精确掌握水平段沿程的岩性、物性及含油气性变化对优化压裂方案和提高单井产量至关重要。然而,在实际钻井过程中,由于测井作业成本高、井下风险大、施工周期长等因素,并非每口水平井都会进行全套测井,大量水平井仅完成了随钻测量和综合录井,而缺失了系统的电缆测井或随钻测井数据。

2、与测井不同,综合录井作为钻井过程中必备的工程监测手段,几乎每口井都会实时采集,其数据丰富程度高,连续记录了钻时、钻压、转盘转速、扭矩、立管压力、泥浆密度、温度、电导率、烃类气体含量等数十种参数。这些录井参数与地层岩性、物性和含流体性质之间存在潜在的非线性映射关系,理论上能够间接反映测井响应特征。

3、现有对于缺失测井数据的水平井,普遍采用以下几种方法进行补救:一是邻井插值法,即利用邻近已测井直井或水平井的测井数据,通过地质分层对比向目标井投影,这种方法难以刻画水平段较强的非均质性,误差较大;二是基于岩石物理经验公式的转化法,因模型简化多、地区适应性差,结果往往不能满足精细评价需求;三是简单的多元线性回归或浅层神经网络方法,这些方法对高维、强耦合的录井参数利用不充分,且未能系统性考虑水平段分段非均质性和深度序列依赖性。因此,亟需一种能够充分挖掘区块内已测井数据价值、以较低成本获得未测井高精度连续测井数据的方法。

4、有鉴于此,特提出本发明。

技术实现思路

1、针对上述现有水平井测井数据补齐方法模型精度低、自适应能力弱等问题,本发明提供一种基于录井数据的水平井测井数据智能补全方法及系统,具体地,采用了如下技术方案:

2、一种基于录井数据的水平井测井数据智能补全方法,包括以下步骤:

3、s1、构建训练数据集:选取目标区块内至少一口已完成测井的水平井作为样本井,采集样本井的综合录井参数及同深度点的目标测井数据,经同步后形成“录井特征—测井标签”样本对;

4、s2、多尺度录井特征构建:在所述综合录井参数的基础上,构造具有岩石物理和钻井工程意义的衍生特征,形成多尺度录井特征库;

5、s3、特征相关性分析与筛选:针对每一条待预测的目标测井曲线,从所述多尺度录井特征库中为该测井曲线选取最优输入特征子集;

6、s4、分段集成模型构建:基于录井响应将样本井水平段划分为若干相对均质子段,针对每一个子段分别建立异构集成子模型,所述异构集成子模型由两类不同的预测模型并行构成,并对两类预测模型的输出进行融合,生成该子段的测井曲线预测值;各子段模型按深度顺序拼接,构成全井段智能预测模型;

7、s5、测井数据智能补全:针对未测井的目标水平井,采集目标水平井的综合录井数据,基于所述s2至s3的流程进行特征构建与筛选,并应用所述s4的分段策略识别目标水平井的子段边界,将各子段的录井特征输入至所述s4中对应子段的已训练异构集成子模型中,输出目标水平井连续、完整的测井曲线数据。

8、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法,所述s1中同步后形成“录井特征—测井标签”样本对,包括:

9、以目标测井数据的深度系统为基准,选取综合录井参数中的录井曲线异常峰和测井曲线突变层作为标志点,采用动态时间规整算法对综合录井参数与目标测井数据进行非线性深度对齐;

10、对齐后,以目标测井数据的采样间隔为统一采样间距,对综合录井参数进行重采样,使每一个深度点均具有对应的综合录井参数和目标测井数据;

11、将同一深度点的综合录井参数和目标测井数据组合,形成“录井特征—测井标签”样本对,所述录井特征为综合录井参数。

12、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法,s2中所述具有岩石物理和钻井工程意义的衍生特征包括以下至少一种:

13、基于钻压、转速和扭矩计算的机械比能,用于反映地层可钻性变化;

14、基于标准化钻速的dc指数及其修正值,用于反映地层压力异常和岩性变化;

15、基于全烃与重烃比值的气测组分比,用于表征气测活跃程度;

16、反映泥浆与地层流体交换的进出口密度差和温度差,用于指示地层流体侵入;

17、将所述综合录井参数与所述衍生特征合并,形成包含原始特征与衍生特征的多尺度录井特征库。

18、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法中,s2还包括:对所述综合录井参数进行数据预处理,并在预处理后的综合录井参数基础上,构造具有岩石物理和钻井工程意义的衍生特征,形成多尺度录井特征库;

19、所述数据预处理包括以下至少一种:

20、基于孤立森林算法设定异常分数阈值,自动识别并剔除偏离整体分布的异常噪声点;

21、对缺失值采用三次样条插值进行平滑填补;

22、基于小波变换对录井参数进行小波分解,剔除最高频细节系数后重构,压制随机高频噪声;

23、对预处理后的综合录井参数进行归一化处理,将其线性映射至[0,1]区间。

24、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法,s3中从所述多尺度录井特征库中为该测井曲线选取最优输入特征子集,包括:

25、针对每一条待预测的目标测井曲线,分别计算目标测井曲线与所述多尺度录井特征库中全部录井特征之间的归一化互信息值和皮尔逊相关系数;

26、将所述归一化互信息值和所述皮尔逊相关系数分别归一化后等权重求和,得到目标测井曲线与各录井特征之间的综合关联度得分;

27、按综合关联度得分从高到低排序,选取前n个录井特征构成目标测井曲线的专属输入特征集,其中n为正整数;

28、对每一条待预测的目标测井曲线分别执行上述步骤,得到各测井曲线各自对应的最优输入特征子集。

29、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法,s4中所述基于录井响应将样本井水平段划分为若干相对均质子段,包括:

30、以录井曲线中的全烃曲线和钻时曲线作为主序列,应用基于滑动窗口的趋势突变点检测算法,沿深度方向自动识别水平段内的岩性—物性转换界面;

31、以所述岩性—物性转换界面作为子段边界,将样本井水平段划分为若干连续的相对均质子段。

32、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法,s4中所述异构集成子模型中两类不同的预测模型分别为基于树的集成学习模型和深度序列模型;

33、所述基于树的集成学习模型捕获录井特征间的高阶交互与非线性组合,所述深度序列模型建模录井参数在深度域上的连续性依赖关系;

34、所述对两类预测模型的输出进行融合,采用可训练的融合层进行动态加权组合;

35、s4中每个子段模型均采用交叉验证策略进行训练,并采用贝叶斯优化算法进行超参数优化,优化目标为验证集上每一条测井曲线的决定系数均达到预设精度门槛。

36、s4中所述各子段模型按深度顺序拼接,包括:将各子段模型的预测输出按深度区间对应关系依次排列,对相邻子段交界的重叠区采用加权平滑过渡处理,构成全井段智能预测模型。

37、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法中,所述基于树的集成学习模型为xgboost模型、或者lightgbm模型或者catboost模型;所述深度序列模型为深度残差网络、或者长短期记忆网络、或者门控循环单元网络或者时间卷积网络;

38、所述深度序列模型为深度残差网络,所述深度残差网络由一个嵌入层和若干个残差块组成,每个残差块包含两个全连接层和跳跃连接,接受连续多个深度点的特征序列作为输入;

39、所述融合层为两层全连接的注意力机制融合层,动态学习两类预测模型在不同地层条件下的最优权重。

40、可选地,本发明一种基于录井数据的水平井测井数据智能补全方法,s5中所述输出目标水平井连续、完整的测井曲线数据,包括:

41、将各子段模型输出的测井曲线预测值按深度区间依次排列;

42、对相邻子段交界的重叠区,采用高斯加权平滑过渡处理,消除拼接处的不连续;

43、形成深度域上连续、完整的测井曲线数据序列。

44、本发明同时提供一种基于录井数据的水平井测井数据智能补全系统,包括:

45、训练数据集构建模块,用于目标区块内至少一口已完成测井的水平井作为样本井,采集样本井的综合录井参数及同深度点的目标测井数据,经同步后形成“录井特征—测井标签”样本对;

46、多尺度录井特征构建模块,用于在所述综合录井参数的基础上,构造具有岩石物理和钻井工程意义的衍生特征,形成多尺度录井特征库;

47、特征相关性分析与筛选模块,用于针对每一条待预测的目标测井曲线,从所述多尺度录井特征库中为该测井曲线选取最优输入特征子集;

48、分段集成模型构建模块,用于基于录井响应将样本井水平段划分为若干相对均质子段,针对每一个子段分别建立异构集成子模型,所述异构集成子模型由两类不同的预测模型并行构成,并对两类预测模型的输出进行融合,生成该子段的测井曲线预测值;各子段模型按深度顺序拼接,构成全井段智能预测模型;

49、测井数据智能补全模块,用于针对未测井的目标水平井,采集目标水平井的综合录井数据,基于所述s2至s3的流程进行特征构建与筛选,并应用所述s4的分段策略识别目标水平井的子段边界,将各子段的录井特征输入至所述s4中对应子段的已训练异构集成子模型中,输出目标水平井连续、完整的测井曲线数据。

50、本发明的一种基于录井数据的水平井测井数据智能补全方法及系统,以综合录井数据作为唯一输入,通过多尺度特征构建与联合筛选充分挖掘录井参数中蕴含的地质信息;采用“先分段、后集成”的建模策略,依据录井响应自动将水平段划分为若干地质相对均质的子段,并在每个子段内构建异构集成人工智能回归模型;最终将该模型应用于区块内未测井井,通过输入其录井数据直接输出完整、连续的测井数据。

51、与现有技术相比,本发明具有以下有益效果:

52、第一,补齐精度大幅提升。

53、本发明通过多尺度录井特征构建,将机械比能、dc指数、气测组分比、进出口密度差和温度差等具有明确岩石物理和钻井工程意义的衍生特征纳入模型输入,使录井参数中蕴含的地层可钻性、流体性质和岩性变化信息得到充分挖掘;通过“先分段、后集成”的建模策略,针对水平段不同层段录井—测井映射规律的差异分别建模,克服了单一全局模型难以精细刻画水平段非均质性的难题;通过梯度提升树与深度残差网络并行的异构集成架构,分别捕获录井特征间的高阶交互与非线性组合、以及录井参数在深度域上的连续性依赖关系,并经注意力机制融合层动态加权,实现了对测井曲线细微波动和突变层段的精确恢复。实验表明,各子段模型验证集上各条测井曲线的决定系数均可达到0.95以上,部分曲线可达0.975。

54、第二,经济效益显著。

55、本发明以综合录井数据替代高昂的电缆测井或随钻测井作业,每口井可节约测井施工费用数百万元,并避免了仪器卡阻、井下落物等井下复杂风险,缩短了钻井周期。对于区块内大量仅完成综合录井而未进行全套测井的水平井,本发明使其无需补做测井作业即可获得可用的测井数据,显著降低了油田开发成本。

56、第三,数据连续性和一致性好。

57、本发明预测补齐的测井数据与录井数据深度对应,不存在因不同仪器和测量环境导致的数据拼接问题。通过深度同步处理,录井数据与测井数据在深度域上精确对齐;通过子段交界重叠区的高斯加权平滑过渡处理,消除了子段拼接处的不连续,形成了深度域上连续、完整的测井数据序列,为后续储层参数定量计算和三维地质建模提供了均质、可靠的数据基础。

58、第四,方法适应性强。

59、整个建模与预测流程基于数据驱动,不依赖特定的岩石物理经验公式,地区适应性强。随着区块内钻井数量增多,已测井样本不断积累,模型可随之更新,实现区块模型的持续迭代与自学习。本发明适用于不同区块、不同层系的水平井测井数据补全,具有规模化推广的应用前景。

60、第五,实现了“录井即测井”的智能转化。

61、本发明从根本上改变了传统“以邻井代替本井”或“以简单回归代替实测”的思维定式,通过充分挖掘区块内已测井信息中蕴含的“录井—测井”深部映射规律,使综合录井数据能够直接转化为测井曲线数据,为油田的降本增效和数字化建设提供了关键技术支撑。