基于物理信息神经网络的煤层气井眼轨迹误差修正方法与流程
本申请涉及深度学习,具体涉及基于物理信息神经网络的煤层气井眼轨迹误差修正方法。
背景技术:
1、煤层气井通常包括直井段、造斜段和近水平段,井眼中心线主要根据离散测斜站记录的测量深度、井斜角和方位角进行重建,测量深度可由地面深度编码装置获得,井斜角和方位角可由随钻测量仪器获得,现有处理通常采用最小曲率、圆弧插值或样条拟合,将各测点的姿态沿测量深度逐段积分形成三维坐标,因此单个测点的姿态偏差会影响其后的坐标递推,长井段中的累积偏移更为明显。
2、钻柱振动、传感器安装偏斜、敏感轴不正交、局部磁干扰、通信丢包和补值处理会使测斜数据出现随井深变化的复合误差,其中少量异常点可能表现为井斜角和方位角的耦合突变,且相邻测斜站间隔并不恒定,固定阈值剔除、相邻角度平均和统一强度平滑难以同时适应不同采样间距及不同井段,容易把孤立异常扩展为轨迹弯折,或者削弱真实的连续造斜变化。
3、现有数据驱动拟合方法能够描述非线性轨迹,但仅依靠测点残差时容易追随离群数据,加入几何约束后若各测点和各区间采用固定权重,又可能在异常抑制与真实弯折保持之间形成冲突,另外,模型生成的位置序列还可能与原测量深度间隔代表的弧长不一致,导致修正结果难以用于井眼空间位置复核,因而需要在有限测斜数据条件下减弱局部异常的累积影响,同时保持连续弯折和测量深度区间的一致性。
技术实现思路
1、本申请提供基于物理信息神经网络的煤层气井眼轨迹误差修正方法,解决上述背景技术中的技术问题。
2、本申请提供了基于物理信息神经网络的煤层气井眼轨迹误差修正方法,包括以下步骤:
3、步骤s1,获取按测量深度递增排列的测斜站数据和井口三维坐标,基于测量深度、井斜角和方位角生成归一化弧长坐标与测量单位切向量;
4、步骤s2,根据相邻测量深度间隔和测量单位切向量确定局部调和弧长尺度、法平面投影矩阵、后向投影曲率向量和前向投影曲率向量;
5、步骤s3,利用井斜角、局部调和弧长尺度、后向投影曲率向量和前向投影曲率向量计算横向弯折不闭合指数,依据横向弯折不闭合指数生成测量可信权重和横向弯折不闭合连续场;
6、步骤s4,建立以归一化弧长自变量和横向弯折不闭合连续场为输入并输出无量纲三维位置函数和三维切向函数的物理信息神经网络,生成物理配置点;
7、步骤s5,依据测量可信权重、测量单位切向量、横向弯折不闭合连续场和物理配置点构建测量损失、物理损失及井口位置边界损失,通过总损失优化获得最优网络参数;
8、步骤s6,基于最优网络参数生成修正单位切向量,计算修正狗腿角和最小曲率比率因子,从井口三维坐标起按照测量深度间隔递推获得修正三维坐标并输出修正中心线坐标集。
9、本申请的有益效果在于:本申请把测量深度、井斜角和方位角转换为统一弧长尺度下的三维方向数据,通过非等距局部几何量识别前后弯折不一致程度,并以同一连续信息调节测量拟合强度和切向连续约束,使孤立姿态异常对长井段积分的影响得到抑制,同时保留持续同向弯折,位置导数一致约束和单位切向约束使网络输出保持明确的几何含义,修正方向经单位化和最小曲率转化后再按照原测量深度间隔递推坐标,避免模型位置尺度偏差改变区间弧长,并降低非高斯姿态异常形成虚假回摆和横向漂移的风险,从而改善修正轨迹的几何连续性、测量深度对应性、区间弧长一致性和工程复核适配性。
1.基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s1包括以下步骤:
3.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s2包括以下步骤:
4.根据权利要求3所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s2还包括以下步骤:
5.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s3包括以下步骤:
6.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s3还包括以下步骤:
7.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s4包括以下步骤:
8.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s5包括以下步骤:
9.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s5还包括以下步骤:
10.根据权利要求1所述的基于物理信息神经网络的煤层气井眼轨迹误差修正方法,其特征在于,步骤s6包括以下步骤:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com