CN115522912A - 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 - Google Patents
基于大数据的电缆吸附卡风险定量评价方法、系统及介质 Download PDFInfo
- Publication number
- CN115522912A CN115522912A CN202211106402.0A CN202211106402A CN115522912A CN 115522912 A CN115522912 A CN 115522912A CN 202211106402 A CN202211106402 A CN 202211106402A CN 115522912 A CN115522912 A CN 115522912A
- Authority
- CN
- China
- Prior art keywords
- cable
- card
- cable adsorption
- risk
- adsorption card
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000001179 sorption measurement Methods 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 25
- 238000013210 evaluation model Methods 0.000 claims abstract description 35
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 20
- 238000007477 logistic regression Methods 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 17
- 238000005553 drilling Methods 0.000 claims description 15
- 239000012530 fluid Substances 0.000 claims description 15
- 230000035699 permeability Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 7
- 238000005070 sampling Methods 0.000 abstract description 4
- 238000010606 normalization Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 239000011435 rock Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002285 radioactive effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 229910052776 Thorium Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/01—Devices for supporting measuring instruments on drill bits, pipes, rods or wirelines; Protecting measuring instruments in boreholes against heat, shock, pressure or the like
- E21B47/017—Protecting measuring instruments
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/01—Devices for supporting measuring instruments on drill bits, pipes, rods or wirelines; Protecting measuring instruments in boreholes against heat, shock, pressure or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的电缆吸附卡风险定量评价方法、系统及介质,其方法包括以下步骤:获取待测井区域中样本井的电缆吸附卡主控因素数据值,对主控因素进行归一化处理;根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;根据所述电缆吸附卡风险评价模型,基于Monte‑Carlo模拟方法获取待测井的电缆吸附卡风险概率;因此,通过采用Logistic回归建立了电缆吸附卡的风险评价预测模型,再通过Monte‑Carlo方法进行随机抽样模拟,可以将电缆吸附卡风险分类结果转化为电缆吸附卡风险概率,从而实现电缆吸附卡风险定量评价。
Description
技术领域
本发明涉及油气资源勘探开发技术领域,特别涉及一种基于大数据的电缆吸附卡风险定量评价方法、系统及介质。
背景技术
在油气资源勘探开发过程中,为获取施工地层信息,掌握地层岩性、物性等参数,需要进行随钻测井、电缆测井等作业,相比于随钻测井,电缆测井测试参数更多、刻画精度更精细,是获取地层信息最重要的技术手段。但是受井下风险多变、地层情况特殊、井身结构复杂等因素影响,电缆测井过程中常常发生电缆吸附卡、仪器吸附卡、落物卡或键槽卡等风险,影响了油气资源的勘探开发效益;在电缆测井作业中,由于电缆比较“柔软”,井下环境比较复杂,电缆吸附卡最为常见,一旦发生电缆吸附卡,轻则需要停工打捞,严重时可能导致全井报废。
现有技术中主要对造成电缆测井风险的原因和影响因素进行了较多的定性分析,而电缆吸附卡的影响因素较多,各因素间的相互作用关系并不明确,难以采用数学解析模型对电缆吸附卡进行风险表征;因此,设计一种基于大数据的电缆吸附卡风险定量评价方案,可解决上述问题,实现电缆吸附卡的定量评价,对于丰富电缆测井理论及降低施工风险具有重要意义。
发明内容
本发明提供一种基于大数据的电缆吸附卡风险定量评价方法、系统及介质,通过采用Logistic回归建立了电缆吸附卡的风险评价预测模型,再通过Monte-Carlo方法进行模拟,将单纯的模型输出结果转化为电缆吸附卡风险概率计算,实现电缆吸附卡风险定量评价。
第一方面,提供一种基于大数据的电缆吸附卡风险定量评价方法,包括以下步骤:
获取待测井区域中样本井的电缆吸附卡主控因素数据值;
根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;
根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率。
根据第一方面,在第一方面的第一种可能的实现方式中,所述主控因素包括:井斜角、方位角、井径、自然伽马、声波、渗透率、钻井液密度及失水量。
根据第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,所述“根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型”步骤,具体包括以下步骤:
根据以下公式,构建似然函数:
根据以下公式,对所述似然函数取对数:
根据以下公式,对取对数后的似然函数进行关于w的导数转换,构建电缆吸附卡风险评价模型:
x(i)为第i口井的主控因素数据值,i=1,2,3…m;
y(i)∈{0,1},当y(i)为0代表第i口井不发生电缆吸附卡,当y(i)为1代表第i口样本井发生电缆吸附卡;
式中,m为待测井区域的样本井数量;j=1,2,3…,m;w为模型权重系数;wT为w的转置;b为偏置。
根据第一方面的第二种可能的实现方式,在第一方面的第三种可能的实现方式中,所述“根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率”步骤,具体包括以下步骤:
基于Monte-Carlo模拟方法多次对所述电缆吸附卡风险评价模型进行模拟计算,获取电缆吸附卡风险评价模型的输出结果;
根据以下公式,获取待测井的电缆吸附卡风险概率:
P=N-y/N式(5);
式中,N为模拟计算次数;y为输出结果为不发生电缆吸附卡的次数。
根据第一方面的第三种可能的实现方式,在第一方面的第四种可能的实现方式中,所述“获取待测井区域中样本井的电缆吸附卡主控因素数据值”步骤之前,具体包括以下步骤:
获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是够符合正态分布,并将符合正态分布的主控因素数据值作为获取的待测井区域中样本井的电缆吸附卡主控因素数据值。
第二方面,提供了一种基于大数据的电缆吸附卡风险定量评价系统,包括:
数据获取模块,用于获取待测井区域中样本井的电缆吸附卡主控因素数据值;
模型构建模块,与所述数据获取模块通信连接,用于根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;
风险概率模块,与所述模型构建模块通信连接,用于根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率。
根据第二方面,在第二方面的第一种可能的实现方式中,还包括与所述数据获取模块通信连接的数据调整模块,用于获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是否符合正态分布,并将符合正态分布的主控因素数据值作为获取的待测井区域中样本井的电缆吸附卡主控因素数据值。
第三方面,提供了一种所述计算机程序被处理器执行时实现如上述所述的一种基于大数据的电缆吸附卡风险定量评价方法。
与现有技术相比,本发明的优点如下:本发明首先获取待测井区域中样本井的电缆吸附卡主控因素数据值;再根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;再根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率;总之,通过采用Logistic回归建立了电缆吸附卡的风险评价预测模型,再通过Monte-Carlo方法进行模拟,可以将电缆吸附卡风险分类结果转化为电缆吸附卡风险概率,从而实现电缆吸附卡风险定量评价,解决测井现场无法提前预判电缆吸附是否发生的重要问题。
由于不同区域地层参数的差异性,本发明所建立的模型为数据驱动的算法模型,模型整体架构具有较强的迁移性,在其他油田区块应用时,按照所提供的建模方法及流程,需要再次收集相应地区大量的数据来进行预测评价,从而可以实现模型的迁移应用。
附图说明
图1是本发明一种基于大数据的电缆吸附卡风险定量评价方法的流程示意图;
图2是本发明一种基于大数据的电缆吸附卡风险定量评价系统的结构示意图。
附图说明:
100、基于大数据的电缆吸附卡风险定量评价系统;110、数据获取模块;120、模型构建模块;130、风险概率模块;140、数据调整模块。
具体实施方式
现在将详细参照本发明的具体实施例,在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明,但将理解,不是想要将本发明限于所述的实施例。相反,想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意,这里描述的方法步骤都可以由任何功能块或功能布置来实现,且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明,下面结合附图和具体实施方式对本发明作进一步详细说明。
注意:接下来要介绍的示例仅是一个具体的例子,而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
参见图1所示,本发明实施例提供一种基于大数据的电缆吸附卡风险定量评价方法,包括以下步骤:
S100,获取待测井区域中样本井的电缆吸附卡主控因素数据值;
S200,根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;
S300,根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率。
具体地,本实施例中,本发明首先获取待测井区域中样本井的电缆吸附卡主控因素数据值;再根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;再根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率;通过采用Logistic回归建立了电缆吸附卡的风险评价预测模型,再通过Monte-Carlo(蒙特卡洛)方法进行模拟,将单纯的模型输出结果转化为电缆吸附卡风险概率计算,实现电缆吸附卡风险定量评价,解决测井现场无法提前预判电缆吸附是否发生的重要问题。
由于不同区域地层参数的差异性,本发明所建立的模型为数据驱动的算法模型,模型整体架构具有较强的迁移性,在其他油田区块应用时,按照所提供的建模方法及流程,需要再次收集相应地区大量的数据来进行预测评价,因此可以实现模型的迁移应用。
优选地,在本申请另外的实施例中,主控因素包括:井斜角、方位角、井径、自然伽马、声波、渗透率、钻井液密度及失水量等。
具体地,本实施例中,事故树分析法(Fault Tree Analysis,FTA)最早由美国贝尔实验室提出,是安全系统中最重要的分析方法。一般事故树的构建从一种事故类型开始,自上而下、一层层的寻找顶事件的直接原因和间接原因事件,直到基本原因事件,并用逻辑图把这些事件之间的逻辑关系表达出来,最终得到完整的事故树。这种层层分析的方法具有良好的应用性和很高的准确性,既可以做定性分析,也可以做定量分析,因此采用该方法对电缆吸附卡的影响因素进行定性分析。对于电缆吸附卡,顶事件是电缆吸附卡,中间事件有四类,分别是压差大、泥饼厚、作业事件长和井眼曲率大,这些是造成电缆吸附卡的主要因素,基本事件主要是地质因素、工程因素、钻井液因素。
根据现场施工实际情况以及前人的研究,总结电缆吸附卡易发的原因主要有4种:压差大、泥饼厚、作业时间长、井眼曲率大;根据以上情况确定三类主要影响因素,分别是地质因素、工程因素以及钻井液因素,地质因素主要包括声波、伽马、地层密度、渗透率等,工程因素主要包括井径、井深、井斜角、方位角、狗腿度等,钻井液因素主要包括钻井液密度、黏度、固相含量、失水量等;根据现场施工经验和相关专家经验,在三类主要影响因素的基础上进行主控因素筛选,确定出以下8个主控因素如下:
(1)井斜角:过井眼轴线上某点做切线,该切线沿井眼前进方向的部分称为井眼方向线;井眼方向线与重力线之间的夹角为井斜角。不同类型井的井斜角差异较大,无论是直井还是定向井都会出现电缆吸附卡,现场数据显示井斜角数值跨度较大,因此井斜角需要考虑;
(2)方位角:井眼轴线上某点的井眼方向线在水平面上的投影线,称为井眼方位线,获井斜方位线。以正北方向为始边,顺时针方向旋转到井眼方位线上所转过的角度,称为井斜方位角。与井斜角类似,方位角一般用于表征井眼轨迹变化情况,其范围从0到360°,数值变化更大,属于主控因素之一;
(3)井径:井径即井眼直径,井径的大小会显著影响电缆的通过性,且不同的井径测井时均出现过电缆吸附卡,属于主控因素之一;
(4)自然伽马:岩石中含有天然的放射性核素,主要是轴系、钍系和钾的放射性同位素,他们自然衰变时发射伽马射线,使岩石有放射性。一般来说,地层伽马值的大小可以表征不同的岩性,而泥岩的放射性高于砂岩。岩性的差异导致物理性质的不同,其中泥岩与砂岩的渗透率差别巨大;不同的渗透率会产生不同的泥饼厚度,最终影响到电缆的活动能力。砂岩一般渗透率较大,容易生成较为厚实的泥饼,更易发生吸附卡。因此,伽马属于主控因素之一;
(5)声波:声波在地层中传播的快慢常用声波到达井壁上不同深度的两点所用的时间之差,即声波时差。声波主要反映地层的致密程度,声波时差的数值小,说明声波在地层中的传播时间短,地层更加坚硬和致密,电缆吸附卡一般不容易发生,因此,声波属于主控因素之一;
(6)渗透率:在一定的压差下,岩石允许流体通过的性质称为岩石的渗透性。从数量上度量岩石渗透性的参数就叫岩石的渗透率。渗透率就是岩石允许流体通过的能力。渗透率是影响泥饼厚度的重要因素,高渗地层一般更易发生电缆吸附卡,故渗透率属于主控因素之一;
(7)钻井液密度:钻井液密度是指单位体积钻井液的质量。可以根据平衡地层压力和地层构造应力的需要而调整。合理的钻井液密度可以防止井喷或钻井液漏进地层,也可以控制或减轻井壁坍塌。因此钻井液的密度与地层压差息息相关,是主控因素之一;
(8)失水量:泥浆在井内受到压差的作用,部分水会渗透到地层,渗透过程中会带动电缆移动,增加电缆吸附卡的风险,因此,失水量也是主控因素之一。
优选地,在本申请另外的实施例中,所述“S200,根据所述样本井的电缆吸附卡主控因素数据值,基于Monte-Carlo模拟的Logistic回归构建电缆吸附卡风险评价模型”步骤,具体包括以下步骤:
根据以下公式,构建似然函数:
根据以下公式,对所述似然函数取对数:
根据以下公式,对取对数后的似然函数进行关于w的导数转换,构建电缆吸附卡风险评价模型:
x(i)为第i口井的主控因素数据值,i=1,2,3…m;
y(i)∈{0,1},当y(i)为0代表第i口井不发生电缆吸附卡,当y(i)为1代表第i口样本井发生电缆吸附卡;
式中,m为待测井区域的样本井数量;j=1,2,3…,m;w为模型权重系数;wT为w的转置;b为偏置。
具体地,本实施例中,实现电缆吸附卡风险评价需要分类判断,而Logistic回归是一种应用广泛的统计学习方法,本质是分类模型,其基本思想是在线性回归的基础上,通过Sigmoid函数将非线性引入到模型中,将自变量映射到0到1之间并作为事件发生的概率。通过将8个主控因素数据值作为上述公式的输入值,0和1作为风险评价模型的输出值;它可以根据各项数据和结果建立逻辑关系,实现对事故或者模型的分类,因此采用逻辑回归实现电缆吸附卡风险评价模型的建立。
优选地,在本申请另外的实施例中,所述“S300,根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率”步骤,具体包括以下步骤:
基于Monte-Carlo模拟方法多次对所述电缆吸附卡风险评价模型进行模拟计算,获取电缆吸附卡风险评价模型的输出结果;
根据以下公式,获取待测井的电缆吸附卡风险概率:
P=N-y/N式(5);
式中,N为模拟计算次数;y为输出结果为不发生电缆吸附卡的次数。
优选地,在本申请另外的实施例中,所述“S100,获取待测井区域中样本井的电缆吸附卡主控因素数据值”步骤之前,具体包括以下步骤:
获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是否符合正态分布,并将符合正态分布的主控因素数据值作为获取的待测井区域中样本井的电缆吸附卡主控因素数据值。
具体地,本实施例中,测井仪器下放到井下后,由于地层情况复杂,井下环境多变,人工测量的主控因素数据值存在一定的误差且Logistic回归本身存在一定的精度取舍问题,最终导致电缆吸附卡模型的预测结果误差较大。因此,需要对模型参数进行一定的处理;具体为:获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是否符合正态分布,并将符合正态分布的主控因素数据值作为待测井区域中样本井的电缆吸附卡主控因素数据值。
当某一样本井的主控因素数据值不符合正态分布,则该样本井的数据舍弃;当某一样本井的主控因素数据值符合正态分布,则该样本井的数据可进行后续计算。
本发明提供的一种基于大数据的电缆吸附卡风险定量评价方法,具体步骤如下:
获取新疆某地2013-2022年的部分测井数据,总共收集到30口井,为了保证数据的平衡,防止过采样和欠采样,选择发生过电缆吸附卡的井15口(分类1表示发生了电缆吸附卡),正常井也选择15口(分类0表示正常即从未发生电缆吸附卡),统计和收集这些井的八种主控因素数据值,对数据进行归一化,去掉数据的量纲,数据结果如表(一)所示;平均值和方差如表(二)所示;
表(一)
表(二)
对该地区待测井(新井)进行分析,因主控因素具有不确定性,假设各参数分布符合正态特征,采用均值和方差对其进行表征;根据上述公式统计10000次模拟计算中发生电缆吸附卡风险的次数,为9248次,则发生电缆吸附卡风险的概率为92.48%;
查阅该井相关资料可知,在井深2643m处进行测压取样时发生了电缆吸附卡,所用仪器长度为43.5m,重量为1970.48kg,最大外径为0.252m,电缆线重近似为0.4543kg/m。在测井作业过程中,现场电缆所能承受的张力为57780N,一般作业超过71120N认为会影响电缆测井结果,超过115560N一根全新的电缆就直接会断裂。基于软绳模型,从仪器处开始计算电缆张力,井底张力近似仪器自重为1970kg,重力加速度取9.8N/kg井口张力为75230N,超过了临界值71120N,认为会出现电缆吸附卡,查阅测井报告,该井的确在下放到井底后无法提拉上去,出现电缆吸附卡。
通过对待测井的评价预测,其电缆吸附卡的概率为92.48%,电缆吸附卡风险很高,结合实际现场施工情况,电缆测井中该井发生了电缆吸附卡事故,评价科学可靠。
同时参见图2所示,本发明实施例提供的一种基于大数据的电缆吸附卡风险定量评价系统100,包括:
数据获取模块110,用于获取待测井区域中样本井的电缆吸附卡主控因素数据值;
模型构建模块120,与所述数据获取模块110通信连接,用于根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;
风险概率模块130,与所述模型构建模块120通信连接,用于根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率。
还包括与所述数据获取模块120通信连接的数据调整模块140,用于获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是否符合正态分布,并将符合正态分布的主控因素数据值作为获取的待测井区域中样本井的电缆吸附卡主控因素数据值。
本发明首先获取待测井区域中样本井的电缆吸附卡主控因素数据值;再根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;再根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率;因此,通过采用Logistic回归建立了电缆吸附卡的预测模型,再通过Monte-Carlo方法进行模拟,将单纯的模型输出结果转化为电缆吸附卡风险概率计算,实现电缆吸附卡风险定量评价,解决测井现场无法提前预判电缆吸附是否发生的重要问题。
具体的,本实施例与上述方法实施例一一对应,各个模块的功能在相应的方法实施例中已经进行详细说明,因此不再一一赘述。
基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。
本发明实现上述方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
基于同一发明构思,本申请实施例还提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等);存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于大数据的电缆吸附卡风险定量评价方法,其特征在于,包括以下步骤:
获取待测井区域中样本井的电缆吸附卡主控因素数据值;
根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险识别模型;
根据所述电缆吸附卡风险识别模型,利用Monte-Carlo模拟方法计算待测井的电缆吸附卡风险概率。
2.如权利要求1所述的基于大数据的电缆吸附卡风险定量评价方法,其特征在于,所述主控因素包括:井斜角、方位角、井径、自然伽马、声波、渗透率、钻井液密度及失水量。
3.如权利要求1所述的基于大数据的电缆吸附卡风险定量评价方法,其特征在于,所述“根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型”步骤,具体包括以下步骤:
根据以下公式,构建似然函数:
根据以下公式,对所述似然函数取对数:
根据以下公式,对取对数后的似然函数进行关于w的导数转换,构建电缆吸附卡风险评价模型:
x(i)为第i口井的主控因素数据值,i=1,2,3…m;
y(i)∈{0,1},当y(i)为0代表第i口井不发生电缆吸附卡,当y(i)为1代表第i口样本井发生电缆吸附卡;
式中,m为待测井区域的样本井数量;j=1,2,3…,m;w为模型权重系数;wT为w的转置;b为偏置。
4.如权利要求1所述的一种基于大数据的电缆吸附卡风险定量评价方法,其特征在于,所述“根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率”步骤,具体包括以下步骤:
基于Monte-Carlo模拟方法多次对所述电缆吸附卡风险评价模型进行模拟计算,获取电缆吸附卡风险评价模型的输出结果;
根据以下公式,获取待测井的电缆吸附卡风险概率:
P=N-y/N式(5);
式中,N为模拟计算次数;y为输出结果中不发生电缆吸附卡的次数。
5.如权利要求1所述的一种基于大数据的电缆吸附卡风险定量评价方法,其特征在于,所述“获取待测井区域中样本井的电缆吸附卡主控因素数据值”步骤之前,具体包括以下步骤:
获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是否符合正态分布,并将符合正态分布的主控因素数据值作为获取的待测井区域中样本井的电缆吸附卡主控因素数据值。
6.一种基于大数据的电缆吸附卡风险定量评价系统,其特征在于,包括:
数据获取模块,用于获取待测井区域中样本井的电缆吸附卡主控因素数据值;
模型构建模块,与所述数据获取模块通信连接,用于根据所述样本井的电缆吸附卡主控因素数据值,基于Logistic回归构建电缆吸附卡风险评价模型;
风险概率模块,与所述模型构建模块通信连接,用于根据所述电缆吸附卡风险评价模型,基于Monte-Carlo模拟方法获取待测井的电缆吸附卡风险概率。
7.如权利要求6所述的基于大数据的电缆吸附卡风险定量评价系统,其特征在于,还包括与所述数据获取模块通信连接的数据调整模块,用于获取待测井区域中样本井的每一种主控因素数据值的平均值和方差,基于所述平均值和方差判断每个样本井的主控因素数据值是否符合正态分布,并将符合正态分布的主控因素数据值作为获取的待测井区域中样本井的电缆吸附卡主控因素数据值。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的基于Logistic回归的电缆吸附卡风险评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211106402.0A CN115522912A (zh) | 2022-09-12 | 2022-09-12 | 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211106402.0A CN115522912A (zh) | 2022-09-12 | 2022-09-12 | 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115522912A true CN115522912A (zh) | 2022-12-27 |
Family
ID=84696831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211106402.0A Withdrawn CN115522912A (zh) | 2022-09-12 | 2022-09-12 | 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115522912A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757103A (zh) * | 2023-08-23 | 2023-09-15 | 甘肃送变电工程有限公司 | 基于张力可视化的放线施工控制方法及系统 |
-
2022
- 2022-09-12 CN CN202211106402.0A patent/CN115522912A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757103A (zh) * | 2023-08-23 | 2023-09-15 | 甘肃送变电工程有限公司 | 基于张力可视化的放线施工控制方法及系统 |
CN116757103B (zh) * | 2023-08-23 | 2024-01-05 | 甘肃送变电工程有限公司 | 基于张力可视化的放线施工控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111665560B (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
WO2021167980A1 (en) | Determination of calibrated minimum horizontal stress magnitude using fracture closure pressure and multiple mechanical earth model realizations | |
CN106353820A (zh) | 一种基于知识模型的测井解释方法 | |
EP3303763B1 (en) | Oilfield reservoir saturation and permeability modeling | |
CN113919219A (zh) | 基于测井大数据的地层评价方法及系统 | |
CN110887772B (zh) | 一种碳酸盐岩储层渗透率识别方法、系统及装置 | |
US11892581B2 (en) | Methods and systems for characterizing clay content of a geological formation | |
US11066905B2 (en) | Oilfield reservoir saturation and permeability modeling | |
WO2022011015A1 (en) | Optimization of discrete fracture network (dfn) using streamlines and machine learning | |
CN115522912A (zh) | 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 | |
US8099241B2 (en) | Method and apparatus for real time oil based mud contamination monitoring | |
CN110232208A (zh) | 用于识别优势渗流段的储层参数模型构建方法及设备 | |
CN110046414A (zh) | 用于识别优势渗流段的储层参数模型构建方法及设备 | |
KR101893800B1 (ko) | 암석 물리학상 구축을 통한 퇴적환경 해석 방법 | |
CN114186879A (zh) | 地质参数对资源量计算误差影响的评估方法及设备 | |
CN111948718B (zh) | 页岩气储层总有机碳含量预测方法及装置 | |
CN111239809B (zh) | 一种基于属性融合原理的优势储层确定方法及系统 | |
CN113946931A (zh) | 一种测井遇阻遇卡的主导因素确定方法及装置 | |
CN113294146A (zh) | 含沥青质储层的有效孔隙度计算的方法和装置 | |
US20230393302A1 (en) | Diagenesis-calibrated rock quality (dcrq) determination | |
CN113971351B (zh) | 裂缝孔隙度的确定方法及装置 | |
CN112485843B (zh) | 膏盐岩内溢流层的预测方法、装置及设备 | |
CN114240212B (zh) | 地质参数对资源量影响权重的确定方法及设备 | |
CN117807900A (zh) | 一种深层碳酸盐岩地层干岩石模量计算方法和装置 | |
CN116203632A (zh) | 地层压力约束的裂缝密度预测方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221227 |
|
WW01 | Invention patent application withdrawn after publication |