地层可钻性评估方法、装置、设备及介质与流程

摘要: 本发明涉及钻井评估,具体地涉及一种地层可钻性评估方法、装置、设备及介质。背景技术:1、智能钻井是通过实时采集并解析井下相关参数,精准感知井下钻进动态运行状态。地...
地层可钻性评估方法、装置、设备及介质与流程

本发明涉及钻井评估,具体地涉及一种地层可钻性评估方法、装置、设备及介质。

背景技术:

1、智能钻井是通过实时采集并解析井下相关参数,精准感知井下钻进动态运行状态。地层可钻性表征为不同井段地层的难易程度,通过量化地层的破碎特征,开展地层可钻性评估,以此优化钻井工艺方案。

2、当前,若基于地震数据直接转换为深度域反射系数,速度场具有非均质性易引发子波形态畸变,降低评估模型的泛化能力;若对地震多源数据直接运算处理,缺乏实际工况与地质属性之间的交互验证机制,易引起误判,尤其在破碎带地层误判率较高,影响可钻性评估的精准性。

3、因此,如何提高地层可钻性评估的精准性,是本技术亟需解决的问题。

技术实现思路

1、本发明提供一种地层可钻性评估方法、装置、设备及介质,用于提高地层可钻性评估的精准性。

2、第一方面,本技术提供一种地层可钻性评估方法,地层可钻性评估方法包括:

3、获取地层多源数据和重力数据;

4、根据地层多源数据,生成时频融合属性体,以及时频融合属性体所对应的深度域可钻性指数标签集;

5、基于预设双向门控循环单元网络,根据时频融合属性体和深度域可钻性标签集,构建预训练评估模型;

6、基于预训练评估模型和重力数据,构建目标可钻性评估模型,以根据目标可钻性评估模型,实现地层可钻性评估。

7、可选地,地层可钻性评估方法,还包括:

8、基于目标可钻性评估模型,进行知识蒸馏,得到蒸馏学生模型框架;

9、基于目标可钻性评估模型和蒸馏学生模型框架,通过软标签监督算法进行训练,得到轻量化评估模型。

10、可选地,根据地层多源数据,生成时频融合属性体,以及时频融合属性体所对应的深度域可钻性指数标签集,包括:

11、根据地层多源数据,生成伪深度域融合数据;

12、基于伪深度域融合数据和属性融合神经网络,得到时频融合属性体;

13、根据时频融合属性体,生成深度域可钻性指数标签集。

14、可选地,基于预设双向门控循环单元网络,根据时频融合属性体和深度域可钻性标签集,构建预训练评估模型,包括:

15、将时频融合属性体切片处理,生成时序化训练样本集;

16、基于预设双向门控循环单元网络、时序化训练样本集和深度域可钻性指数标签集,构建预训练评估模型。

17、可选地,时频融合属性体包括纵波速度属性;

18、根据时频融合属性体,生成深度域可钻性指数标签集,包括:

19、获取实时钻井数据;

20、根据钻井数据和滑动窗口归一化算法,生成标准化工程参数集;

21、通过预设泥浆密度修正模型,根据标准化工程参数集进行计算,得到基础可钻性指数序列;

22、根据纵波速度属性和岩石物理关联函数,对基础可钻性指数序列进行校准处理,得到速度校正可钻性指数标签;

23、基于基础可钻性指数序列和速度校正可钻性指数标签,通过加权平均算法,得到深度域可钻性指数标签集。

24、可选地,地层多源数据包括原始地震数据、原始测井声波数据和区域地质数据;

25、根据地层多源数据,生成伪深度域融合数据,包括:

26、对原始地震数据、原始测井声波数据和区域地质数据进行清洗,得到标准化多源数据集;其中,标准化多源数据集包括地震数据、和测井声波数据;

27、基于地震数据,通过自相关反褶积算法,生成时间域地震子波模板;

28、基于测井声波数据,进行计算,得到深度域反射系数序列;

29、通过伪深度域合成算法,对时间域地震子波模板和深度域反射系数序列进行合成处理,得到伪深度域融合数据。

30、可选地,标准化多源数据集还包括地质速度模型;

31、基于伪深度域融合数据和属性融合神经网络,得到时频融合属性体,包括:

32、对伪深度域融合数据进行连续小波变换,生成三分频地震数据体;

33、基于地质速度模型,构建地质约束速度场;

34、基于属性融合神经网络,根据三分频地震数据体和地质约束速度场,生成时频融合属性体。

35、可选地,基于预设双向门控循环单元网络、时序化训练样本集和深度域可钻性指数标签集,构建预训练评估模型,包括:

36、将时序化训练样本集和深度域可钻性指数标签集输入至预设双向门控循环单元网络,进行计算,得到目标参数预测特征向量;

37、通过均方根损失函数,根据目标参数预测特征向量,对预设双向门控循环单元进行反向传播训练,生成初级训练评估模型;

38、基于初级训练评估模型,构建预训练评估模型。

39、可选地,时序化训练样本集包括验证集;

40、基于初级训练评估模型,构建预训练评估模型,包括:

41、基于验证集,通过早停法和梯度裁剪算法进行计算,得到损失变化量;

42、在损失变化量小于预设损失变化量阈值时,基于初级训练评估模型,得到预训练评估模型。

43、可选地,地层多源数据是指常规区块所对应的数据;重力数据是指异常区块所对应的重力异常数据;

44、基于预训练评估模型和重力数据,构建目标可钻性评估模型,包括:

45、根据重力数据,通过重力场反演算法,得到重力反演岩性图;

46、根据重力反演岩性图和预训练评估模型,构建目标可钻性评估模型。

47、可选地,根据重力反演岩性图和预训练评估模型,构建目标可钻性评估模型,包括:

48、获取目标区块的微钻数据;

49、根据重力反演岩性图和预训练评估模型,生成跨域特征对齐模型;

50、根据微钻数据,对跨域特征对齐模型进行更新,生成目标可钻性评估模型。

51、可选地,地层可钻性评估方法还包括:

52、基于预训练评估模型和三维时频融合属性体,生成三维可钻性概率体;

53、根据三维可钻性概率体、井下参数和井眼清洁度数据,生成钻参动态优化表;其中,井下参数是指井下工具参数;

54、基于钻参动态优化表,生成钻压指令,以根据钻压指令,调整实时钻压。

55、可选地,基于预训练评估模型和三维时频融合属性体,生成三维可钻性概率体,包括:

56、对三维地震数据体进行连续小波变换,得到三维分频属性体;其中,三维地震数据体是基于地震数据得到的;

57、通过层速度插值算法,根据三维地震数据体,构建全域地质速度场;

58、基于属性融合神经网络,根据三维分频属性体和全域地质速度场,生成三维时频融合属性体;

59、根据三维时频融合属性体和预训练评估模型,得到三维可钻性概率体。

60、第二方面,本技术还提供一种地层可钻性评估装置,地层可钻性评估装置包括:

61、获取模块,用于获取地层多源数据和重力数据;

62、转换模块,用于根据地层多源数据,生成时频融合属性体,以及时频融合属性体所对应的深度域可钻性指数标签集;

63、预评估模块,用于基于预设双向门控循环单元网络,根据时频融合属性体和深度域可钻性标签集,构建预训练评估模型;

64、目标评估模块,用于基于预训练评估模型和重力数据,构建目标可钻性评估模型,以根据目标可钻性评估模型,实现地层可钻性评估。

65、第三方面,本技术还提供一种电子设备,包括:处理器,以及与处理器通信连接的存储器;

66、存储器存储计算机执行指令;

67、处理器执行存储器存储的计算机执行指令,用于实现第一方面 技术实现要素: 的一种地层可钻性评估方法。

68、第四方面,本技术提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时,用于实现第一方面发明内容的一种地层可钻性评估方法。

69、第五方面,本技术提供一种计算机程序产品,包括:计算机程序,计算机程序被处理器执行时,用于实现第一方面发明内容的一种地层可钻性评估方法。

70、本技术将基于地层多源数据,生成时频融合属性体和深度域可钻性指数标签集,关注于分频属性对多尺度地层结构的表征差异,降低硬质夹层的漏报率;通过预设双向门控循环单元网络将时频融合属性体和深度域可钻性指数标签集融合,形成预训练评估模型,将时频融合属性体的非平稳性进行捕捉,识别出微弱频谱异常,实现了地震数据响应与地层物性的精准映射,提高模型预测精准性;将预训练评估模型和重力数据相结合,构建目标可钻性评估模型,考虑到了地质属性与工程参数之间的交互验证情况,降低在破碎地层的误判率。