CN117763466A - 一种基于聚类算法的地层可钻性评价方法及系统 - Google Patents
一种基于聚类算法的地层可钻性评价方法及系统 Download PDFInfo
- Publication number
- CN117763466A CN117763466A CN202410194615.6A CN202410194615A CN117763466A CN 117763466 A CN117763466 A CN 117763466A CN 202410194615 A CN202410194615 A CN 202410194615A CN 117763466 A CN117763466 A CN 117763466A
- Authority
- CN
- China
- Prior art keywords
- data
- drilling
- well
- drillability
- cluster
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 69
- 238000011156 evaluation Methods 0.000 title claims abstract description 46
- 238000005553 drilling Methods 0.000 claims abstract description 228
- 239000011435 rock Substances 0.000 claims abstract description 68
- 238000007621 cluster analysis Methods 0.000 claims abstract description 63
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000012512 characterization method Methods 0.000 claims abstract description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 32
- 238000003064 k means clustering Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 239000012530 fluid Substances 0.000 claims description 10
- 238000013139 quantization Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000011158 quantitative evaluation Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000013517 stratification Methods 0.000 claims description 3
- 238000005755 formation reaction Methods 0.000 description 35
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012938 design process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000004927 clay Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种基于聚类算法的地层可钻性评价方法及系统，涉及油气钻井工程技术领域，包括：获取待评价已钻井的钻井数据和测井数据；根据钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；将数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。
Description
技术领域
本发明涉及油气钻井工程技术领域，尤其是涉及一种基于聚类算法的地层可钻性评价方法及系统。
背景技术
地层岩石的可钻性评级作为钻井工程设计、钻头选型以及钻井参数优化的重要依据，有利于准确判断钻井风险、降低钻井成本，实现安全、快速、低耗的钻探目标。常规的地层可钻性测定方法包括微钻头实验法、测井数据拟合法、工程数据回归法等，其中，微钻头实验作为研究岩石可钻性的最基础方法，其主要依靠实验数据，且传统的统计分析及机器学习模型等方法也离不开室内实验数据作为验证。
然而，受到岩心样品有限性、实验数据滞后性、数据处理复杂性等问题的限制，无法大批量高效获取覆盖全地层的地层岩石可钻性数据，同时，各类基于统计学构建的经验模型受区块、地层的影响较大，经常存在因钻头选型与地层不匹配使得钻井周期变长，导致井下事故频发。
发明内容
本发明旨在解决现阶段地层岩心取样难、室内实验开展不便所导致可钻性数据不可靠的问题，提供了一种基于聚类算法的地层可钻性评价方法，综合考虑了地层岩石性质和施工参数等多源数据对地层岩石钻进的影响，提高了钻头选型和钻井参数设计的精度，有利于缩短钻井周期。
为了解决上述技术问题，本发明实施例提供了一种基于聚类算法的地层可钻性评价方法，包括：获取待评价已钻井的钻井数据和测井数据；根据所述钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。
优选地，所述钻井数据包括螺杆钻具使用记录、井眼轨迹数据、地层分层数据、测井数据和录井数据，其中，所述螺杆钻具使用记录包括螺杆钻具的使用起止井段、螺杆型号和螺杆每转流量；所述井眼轨迹数据包括测深、垂深、井斜角和方位角；所述地层分层数据包括层号、层顶深度和层底深度；所述录井数据包括井深、钻时、钻压、转盘转速、排量和钻井液密度；所述测井数据包括地层各深度的纵波时差值、横波时差值、密度测井值、伽马测井值和泥质含量值。
优选地，所述聚类算法模型为K-means聚类算法模型，其中，在将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果的步骤中，包括：设置所述K-means聚类算法模型中聚类簇数的变化范围；将不同深度下的三项指标数据输入至所述K-means聚类算法模型中，分别计算不同聚类簇数下的轮廓分数和惯性系数，获得轮廓分数随聚类簇数变化特征和惯性系数随聚类簇数变化特征；基于所述轮廓分数随聚类簇数变化特征和所述惯性系数随聚类簇数变化特征，确定K-means聚类算法模型的最优聚类簇数量，获得基于最优聚类簇数量的K-means聚类算法模型；依据所述基于最优聚类簇数量的K-means聚类算法模型，对所述不同深度下的三项指标数据进行聚类分析，得到表征不同深度数据点对应聚类簇的整体聚类分析结果。
优选地，在根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果的步骤中，包括：根据所述整体聚类分析结果，分别计算每个聚类簇中所有数据点的钻时平均值及对应的标准差，从而确定每个聚类簇的聚类中心和样本数量；根据所述数据集，结合所述每个聚类簇的聚类中心和样本数量，绘制关于三项指标数据的三元交会图聚类结果；基于所述三元交会图聚类结果，绘制已钻井的钻时数据随井深变化的钻时分布特征，并对所述钻时分布特征上的各个数据点对应的聚类簇进行标记，得到地层可钻性随井深变化特征；根据所述地层可钻性随井深变化整体特征，统计已钻井地层中不同层序内各井深数据点对应的聚类簇，分别针对各类层序地层来绘制聚类分析结果统计图；基于不同类型层序地层的聚类分析结果统计图，获得每个层序地层下的各项聚类簇的钻时数据及对应的钻时平均值，从而绘制出用于评价已钻井实际可钻性定量特征的第一钻时变化曲线和平均钻时变化曲线，用以表征所述可钻性量化分布结果，所述钻时平均变化曲线根据每个连续井深数据点所属层序地层下的对应聚类簇的钻时平均值而形成。
优选地，在获得所述可钻性量化分布结果的步骤中，还包括：将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之间的差值作为所述第一钻时变化曲线和所述平均钻时变化曲线的下限值，以形成钻时下限值曲线；将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之和作为所述第一钻时变化曲线和所述平均钻时变化曲线的上限值，以形成钻时上限值曲线。
优选地，利用如下表达式计算所述钻时平均值：
；
其中，表示某一聚类簇的平均钻时，k表示聚类簇内数据点的序号，Depthk表示聚
类簇内第k个数据点所对应的录井井深，Depthk-1表示聚类簇内第k-1个数据点所对应的录
井井深，tk表示聚类簇内第个数据点的钻时数据。
优选地，所述地层可钻性评价方法还包括：对所述待评价已钻井的钻井数据和测井数据进行预处理，所述预处理包括：对所述钻井数据和测井数据进行异常点剔除；以录井数据深度刻度为基准，将所述钻井数据和测井数据进行深度校正；对所述钻井数据和测井数据进行井斜校正。
优选地，利用如下表达式对所述钻井数据中的钻压进行数据校正：
；
其中，WOBe表示井底有效钻压，WOB表示钻压，μs表征钻柱与井壁之间的摩擦系数，γb表示井斜角，η表示钻头水功率系数，ρb表示钻井液密度，Q表示钻井液排量，A0表示钻头喷嘴的出口截面积；基于同一深度处的录井数据来校正所述测井数据，并利用如下表达式表示：
；
其中，xj表示在录井深度j处校正后的测井数据，i表示测井深度，j表示录井深度，
Δd表示相邻录井数据之间的井深间隔，xi表示测井深度处的测井数据，n表示测井数据的
总数。
优选地，所述地层可钻性评价方法还包括：根据所述已钻井的邻井的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证。
优选地，在根据所述已钻井的邻井的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证的步骤中，包括：根据所述邻井的钻井数据和测井数据，计算包含邻井不同深度下三项指标数据的邻井数据集；将所述邻井数据集输入至预先构建的邻井聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到邻井的整体聚类分析结果；根据邻井整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到邻井在连续层序地层下的可钻性量化分布结果；对比同层位处邻井与已钻井的可钻性量化分布结果，并分析两者的一致性，用以验证对已钻井地层可钻性评价结果的准确性。
另一方面，本发明实施例还提供了一种计算机可读存储介质，其包含用于执行如上述所述的基于聚类算法的地层可钻性评价方法步骤的一系列指令。
另外，本发明实施例也提供了一种基于聚类算法的地层可钻性评价系统，包括：数据预处理模块，其配置为获取待评价已钻井的钻井数据和测井数据；数据集生成模块，其配置为根据所述钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；聚类分析模块，其配置为将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；可钻性定量评价模块，其配置为根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本发明提出了一种基于聚类算法的地层可钻性评价方法及系统。该方法及系统充分考虑了钻井施工和地层岩石性质对钻进速度的影响，选用可钻性级值、机械比能、岩石抗压强度等多种与岩石可钻性相关的参数进行聚类分析，准确获取地层岩石性质和施工参数等多源数据对地层岩石钻进难易的影响，解决了地层岩心取样难、室内实验开展不便、可钻性数据不连续的问题，有利于指导钻井设计过程中钻头选型和钻井参数设计的选择，有效降低了钻井参数设计和钻头选择上的误差，从而缩短钻井周期。
另外，本发明方法将无监督聚类模型与地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据相结合，扩大了聚类分析模型的包容性，且相比于传统的统计学方法采用单一数据进行岩石可钻性分析，本发明方法综合了测井数据、录井数据、钻井设计参数和钻井施工数据，提高了地层可钻性评价的精度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中。
图1为本申请实施例的基于聚类算法的地层可钻性评价方法的步骤示意图。
图2为本申请实施例的基于聚类算法的地层可钻性评价方法中的轮廓分数和惯性系数随聚类簇数的变化情况示意图。
图3为本申请实施例的基于聚类算法的地层可钻性评价方法中的已钻井三元交会图聚类结果的示例图。
图4为本申请实施例的基于聚类算法的地层可钻性评价方法中的地层可钻性随井深变化特征的示例图。
图5为本申请实施例的基于聚类算法的地层可钻性评价方法中的基于不同类型层序地层的聚类分析结果统计示例图。
图6为本申请实施例的基于聚类算法的地层可钻性评价方法中的已钻井的可钻性量化分布结果的示例图。
图7为本申请实施例的基于聚类算法的地层可钻性评价方法中的已钻井与邻井的可钻性量化分布结果的对比示例图。
图8为本申请实施例的基于聚类算法的地层可钻性评价系统的模块框图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
图1为本 申请实施例的基于聚类算法的地层可钻性评价方法的步骤示意图。下面参考图1对本发明实施例所述的地层可钻性评价方法的具体步骤流程进行说明。
本实施例以已钻井A井为例，采用本发明所提出的一种基于聚类算法的地层可钻性评价方法，如图1所示，具体包括以下步骤：
步骤S110获取待评价已钻井的钻井数据和测井数据。
在本发明实施例中，钻井数据包括螺杆钻具使用记录、井眼轨迹数据、地层分层数据、测井数据和录井数据。其中，螺杆钻具使用记录包括螺杆钻具的使用起止井段、螺杆型号和螺杆每转流量；井眼轨迹数据包括测深、垂深、井斜角和方位角；地层分层数据包括层号、层顶深度和层底深度；录井数据包括井深、钻时、钻压、转盘转速、排量和钻井液密度；测井数据包括地层各深度的纵波时差值、横波时差值、密度测井值、伽马测井值和泥质含量值。
另外，在本发明实施例所述的地层可钻性评价方法中，步骤S110还包括：对待评价已钻井的钻井数据和测井数据进行预处理。
在本发明实施例中，所述预处理包括：对钻井数据和测井数据进行异常点剔除；再以录井数据深度刻度为基准，将完成异常点剔除的钻井数据和测井数据进行深度校正；最后，对完成深度校正的钻井数据和测井数据进行井斜校正。
具体地，在对钻井数据和测井数据进行预处理的过程中，首先，删除掉钻井数据和测井数据中的异常值，再按照井深将螺杆钻具使用记录、井眼轨迹数据、地层数据与相对应录井深度下的录井数据对齐，从而根据深度分别将钻井数据和测井数据与录井数据进行深度校正，最后，对钻井数据和测井数据进行井斜校正。
在一个实施例中，利用如下表达式对步骤S110获得的已钻井的钻井数据中的钻压进行数据（井斜）校正：
（1）；
其中，WOBe表示井底有效钻压（校正后），WOB表示钻压，μs表征钻柱与井壁之间的摩擦系数，γb表示井斜角，η表示钻头水功率系数，ρb表示钻井液密度，Q表示钻井液排量，A0表示钻头喷嘴的出口截面积；
在一个实施例中，基于同一深度处的录井数据来校正步骤S110获得的测井数据，并利用如下表达式表示：
（2）；
其中，xj表示在录井深度j处校正后的测井数据，i表示测井深度，j表示录井深度，
Δd表示相邻录井数据之间的井深间隔，xi表示测井深度处的测井数据，n表示测井数据的
总数。
在获得已钻井的钻井数据和测井数据并对这些数据进行预处理后，进入到步骤S120中。
步骤S120根据步骤S110获得的钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的（已钻井）数据集。
在一个实施例中，根据步骤S110得到的经过预处理的钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的已钻井数据集。
在本发明实施例中，地层岩石可钻性级值可以利用如下表达式计算得到：
（3）；
其中，Kd表示地层可钻性级值，ROP表示机械钻速，We表示有效比钻压，N表示转速，HEI表示有效钻头比水功率，ρb表示钻井液密度。
在本发明实施例中，钻井机械比能可以利用如下表达式计算得到：
（4）；
其中，MSE表示井底机械比能，Ef表示钻头有效能量利用率，Ab表示钻头截面积，T表示钻头扭矩，Δpb表示钻头压力降。
在本发明实施例中，岩石单轴抗压强度可以利用如下表达式计算得到：
（5）；
其中，UCS表示岩石单轴抗压强度，Vp表示地层的纵波速度，υ表示泊松比，Vsh表示泥质含量。
这样步骤S120在计算出不同深度下的地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据后，形成有已钻井数据集，从而进入到步骤S130中。
步骤S130将步骤S120得到的已钻井数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量来得到已钻井的整体聚类分析结果。
在本发明实施例中，预先构建的聚类算法模型优选为K-means聚类算法模型。
在步骤S130中，构建K-means聚类算法模型，将不同深度下的地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据输入至K-means聚类算法模型中，利用K-means聚类算法模型进行聚类分析，并基于预设的分析条件设置择优条件，调整聚类簇数量，得到包含有地层中各层序的聚类分析结果在内的已钻井整体聚类分析结果。
具体地，在步骤S130中，首先步骤一，构建K-means聚类算法模型，并设置K-means聚类算法模型中的聚类簇数的变化范围。在本发明实施例中，设置聚类簇数的取值范围为[2,20]、且聚类簇数为整数。
步骤二，将不同深度下的三项指标数据输入至已构建的K-means聚类算法模型中，分别计算不同聚类簇数下的轮廓分数和惯性系数，获得轮廓分数随聚类簇数变化特征和惯性系数随聚类簇数变化特征。
在一个实施例中，通过分析条件对K-means聚类算法模型的输出数据进行分析，其中，分析条件具体包括轮廓分数和惯性系数。
将步骤S120中所获得的地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据输入至K-means聚类算法模型中，分别在不同聚类簇数条件下计算相应条件的轮廓分数和惯性系数，得到轮廓分数随聚类簇数的变化情况以及惯性系数随聚类簇数的变化情况，参见图2。
通过分析轮廓分数随聚类簇数的变化情况以及惯性系数随聚类簇数的变化情况，发现使得轮廓分数越大且惯性系数越小的聚类簇数越能够有效区分地层岩石是否可钻，得到准确的聚类分析结果。
步骤三，基于步骤二得到的轮廓分数随聚类簇数变化特征和惯性系数随聚类簇数变化特征，确定K-means聚类算法模型的最优聚类簇数量，获得基于最优聚类簇数量的K-means聚类算法模型。
在一个实施例中以获得最大轮廓分数和最小惯性系数作为择优目标，确定最优聚类簇数量。
具体地，基于轮廓分数随聚类簇数的变化情况以及惯性系数随聚类簇数的变化情况设置择优条件，所述择优条件为能够通过聚类准确划分地层的可钻性，因此，结合各个聚类簇数条件下所确定的聚类分析结果，本发明实施例将K-means聚类算法模型的最优聚类簇数设置为8，即将样本数据聚类为8类。
步骤四，依据所述基于最优聚类簇数量的K-means聚类算法模型，对步骤S120得到的不同深度下的三项指标数据进行聚类分析，得到已钻井的整体聚类分析结果。所述整体聚类分析结果中的不同深度数据点除了对应有三相指标数据之外，还均标记有相对应的聚类簇。
在步骤四中，利用优化后的K-means聚类算法模型基于各层序的地层岩石可钻性级值数据、钻井机械比能数据以及岩石单轴抗压强度数据进行聚类分析，得到已钻井中各层序的聚类分析结果。
在获得已钻井的整体聚类分析结果之后，进入到步骤S140中。
步骤S140根据步骤S130得到的已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。基于步骤S130得到的聚类结果，划分已钻井不同井深处地层岩石的可钻性，并对钻时地层岩石的可钻性进行量化表示，得到地层可钻性评价结果。
在步骤S140中，第一步，根据步骤S130得到的已钻井的整体聚类分析结果，分别计算每个聚类簇中所有（深度）数据点的钻时平均值及对应的标准差，从而根据每个聚类簇的钻时平均值和钻时标准差来确定每个聚类簇的聚类中心和样本数量。
针对地层中的各个顺序层序地层，基于已钻井的整体聚类分析结果，分别计算每一簇中所有数据点的钻时平均值及钻时标准差。
在本发明实施例中，钻时平均值利用如下表达式计算得到：
（6）；
其中，表示某一聚类簇的平均钻时，k表示聚类簇内数据点的序号，Depthk表示
聚类簇内第k个数据点所对应的录井井深，Depthk-1表示聚类簇内第k-1个数据点所对应的
录井井深，tk表示聚类簇内第个数据点的钻时数据。
之后，按照将各个（8个）聚类簇的钻时平均值由低到高的顺序对不同深度数据点的聚类结果进行排序，计算每个聚类簇的聚类中心以及各个聚类簇内的样本数量。对于已钻井A井来说，每个聚类簇的聚类中心以及各个聚类簇内的样本数量的计算，如表1所示。
表1 A井各聚类簇的聚类中心和样本数量
；
第二步，根据已钻井数据集中的不同深度数据点下的三项指标数据，结合第一步得到的每个聚类簇的聚类中心和样本数量，绘制关于三项指标数据的三元交会图聚类结果。基于已钻井内不同深度点下的地层可钻性级值、井底机械比能和岩石单轴抗压强度，结合每个聚类簇的聚类中心和样本数量，绘制三元交会图展示聚类结果，即在交会图中标记出每个数据点所属的聚类簇，参见图3（其中，图3中的0-7表示不同的聚类族编号）。
第三步，基于三元交会图聚类结果，绘制已钻井的钻时数据随井深变化的钻时分布特征，并对钻时分布特征上的各个数据点对应的聚类簇进行标记，得到地层可钻性随井深变化特征，参见图4（其中，图4中的0-7表示不同的聚类族编号）。绘制钻时数据随井深的变化曲线，对各聚类簇进行标记，获取地层可钻性随井深的变化情况。
第四步，根据第三步得到的地层可钻性随井深变化整体特征，统计已钻井地层中不同层序内各井深数据点对应的聚类簇，分别针对各类型层序地层来绘制相应的聚类分析结果统计图，参见图5。统计已钻井地层中各类型层序地层的聚类簇，分别针对各层序地层绘制聚类分析结果统计图，针对每类层序地层均统计出不同聚类簇数条件下的数据点分布特征。
第五步，基于第四步得到的不同类型层序地层的聚类分析结果统计图，获得每个层序地层下的各项聚类簇的钻时数据及对应的钻时平均值，从而绘制出用于评价已钻井实际可钻性定量特征的第一钻时变化曲线和平均钻时变化曲线。
首先，对每个层序地层均统计出在不同聚类簇数下的钻时数据分布情况（参见图6），并形成第一钻时变化曲线，之后，基于所统计出的钻时数据分布情况，针对各个层序地层均计算出同一类层序地层下不同聚类簇的钻时平均值，从而基于每个深度数据点属于相应层序地层下的对应聚类簇钻时平均值，形成整个已钻井的平均钻时变化曲线，继而利用第一钻时变化曲线和平均钻时变化曲线来表征可钻性量化分布结果。
在本发明实施例中，钻时平均变化曲线是根据每个连续井深数据点所属层序地层下的对应聚类簇的钻时平均值而形成。
另外，在本发明实施例所得到的可钻性量化分布结果中，不仅包括上述第一钻时变化曲线和平均钻时变化曲线，还包括：钻时下限值曲线和钻时上限值曲线。
将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之间的差值作为第一钻时变化曲线和平均钻时变化曲线的下限值，以形成钻时下限值曲线。对于每个深度点来说，将该深度点所属层序地层下的对应聚类簇的钻时平均值和对应聚类簇的标注差之间的差值作为该点的钻时下限值，以形成这个已钻井的钻时下限值曲线。
将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之和作为所述第一钻时变化曲线和所述平均钻时变化曲线的上限值，以形成钻时上限值曲线。对于每个深度点来说，将该深度点所属层序地层下的对应聚类簇的钻时平均值和对应聚类簇的标注差之间的和值作为该点的钻时上限值，以形成这个已钻井的钻时上限值曲线。
这样，基于各层序地层聚类簇的钻时数据和钻时平均值，绘制钻时曲线和平均钻时曲线，并将聚类簇平均值与标准差之间的差值作为钻时曲线和平均钻时曲线的下限值，将聚类簇平均值与标准差之和作为钻时曲线和平均钻时曲线的上限值，定量确定地层各深度处的钻时数据和钻时平均值，评价地层各深度处的可钻性。
此外，为了确保本发明所获得的已钻井可钻性定量评价结果的准确性，本发明实施例所述的地层可钻性评价方法还包括：根据当前已钻井的邻井（B井）的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证。
具体地，步骤S1，根据当前邻井的钻井数据和测井数据，按照步骤S110相同的方式，计算包含邻井不同深度下三项指标数据的邻井数据集。选取已钻井的邻井B井，获取邻井预处理后的钻井数据和测井数据，确定邻井B井的地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据。
步骤S2，按照步骤S120相同的方式，将邻井数据集输入至预先构建的聚类算法模型（例如K-means聚类算法模型）中进行聚类分析，通过调整聚类簇数量，得到邻井的整体聚类分析结果。步骤S3，按照步骤S130相同的方式，根据邻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到邻井在连续层序地层下的可钻性量化分布结果。基于B井的地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据，利用步骤3.3中优化后的K-means聚类算法模型对邻井的进行聚类分析，得到邻井的聚类分析结果和地层各层序中每一聚类簇所对应的钻时平均值，绘制B井的钻时曲线和平均钻时曲线。
步骤S4，对比同层位处邻井与已钻井的可钻性量化分布结果（参见图7），并分析两者的一致性，用以验证对已钻井地层可钻性评价结果的准确性。对比同层位处B井与A井的钻时曲线和平均钻时曲线，发现两者的可钻性分布一致性较高，对比B井的可钻性与A井的钻时范围，发现绝大多数点在钻时范围内，将超出范围的数据点视为低效钻进井段后续进行钻井优化。
这样，本发明实施例利用已钻井的邻井数据验证了已钻井地层可钻性评价结果的准确性。
由此，验证了本发明方法对地层可钻性评价结果的准确性，同时，采用同区块多口井最终结果求均值可构建可信度更高的区块地层岩石可钻性分布，从而提高本发明方法的鲁棒性。
基于上述地层可钻性评价方法，本发明实施例也提供了一种计算机可读取存储介质。该存储介质上存储有计算机程序，执行计算机程序以运行一种基于聚类算法的地层可钻性评价方法。计算机程序能够运行计算机指令，计算机指令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。
计算机可读取的存储介质可以包括：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-OnlyMemory）、随机存取存储器（RAM，Random Access 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，计算机可读取的存储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增减，例如在某些司管辖区根据立法和专利实践的要求进行适当增减，例如在某些司管辖区根据立法和专利实践的要求进行适当增减，例如在某些司管辖区根据利实践，计算机可读取的存储介质不包括电载波信号和电信信号。
另外，基于上述地层可钻性评价方法，本发明实施例还提供了一种基于聚类算法的地层可钻性评价系统。
图8为本申请实施例的基于聚类算法的地层可钻性评价系统的模块框图。如图8所示，本发明实施例所述的地层可钻性评价系统包括：数据预处理模块81、数据集生成模块82、聚类分析模块83和可钻性定量评价模块84。
具体地，数据预处理模块81按照步骤S110所述的方法实施，配置为获取待评价已钻井的钻井数据和测井数据；数据集生成模块82按照步骤S120所述的方法实施，配置为根据已钻井的钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的已钻井数据集；聚类分析模块83按照步骤S130所述的方法实施，配置为将已钻井数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；可钻性定量评价模块84按照步骤S140所述的方法实施，配置为根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。
本发明公开了一种基于聚类算法的地层可钻性评价方法及系统。该方法及系统充分考虑了钻井施工和地层岩石性质对钻进速度的影响，选用可钻性级值、机械比能、岩石抗压强度等多种与岩石可钻性相关的参数进行聚类分析，准确获取地层岩石性质和施工参数等多源数据对地层岩石钻进难易的影响，解决了地层岩心取样难、室内实验开展不便、可钻性数据不连续的问题，有利于指导钻井设计过程中钻头选型和钻井参数设计的选择，有效降低了钻井参数设计和钻头选择上的误差，从而缩短钻井周期。
另外，本发明方法将无监督聚类模型与地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据相结合，扩大了聚类分析模型的包容性，且相比于传统的统计学方法采用单一数据进行岩石可钻性分析，本发明方法综合了测井数据、录井数据、钻井设计参数和钻井施工数据，提高了地层可钻性评价的精度。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所披露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (12)
1.一种基于聚类算法的地层可钻性评价方法，其特征在于，包括：
获取待评价已钻井的钻井数据和测井数据；
根据所述钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；
将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；
根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。
2.根据权利要求1所述的地层可钻性评价方法，其特征在于，所述钻井数据包括螺杆钻具使用记录、井眼轨迹数据、地层分层数据、测井数据和录井数据，其中，所述螺杆钻具使用记录包括螺杆钻具的使用起止井段、螺杆型号和螺杆每转流量；所述井眼轨迹数据包括测深、垂深、井斜角和方位角；所述地层分层数据包括层号、层顶深度和层底深度；所述录井数据包括井深、钻时、钻压、转盘转速、排量和钻井液密度；所述测井数据包括地层各深度的纵波时差值、横波时差值、密度测井值、伽马测井值和泥质含量值。
3.根据权利要求1或2所述的地层可钻性评价方法，其特征在于，所述聚类算法模型为K-means聚类算法模型，其中，在将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果的步骤中，包括：
设置所述K-means聚类算法模型中聚类簇数的变化范围；
将不同深度下的三项指标数据输入至所述K-means聚类算法模型中，分别计算不同聚类簇数下的轮廓分数和惯性系数，获得轮廓分数随聚类簇数变化特征和惯性系数随聚类簇数变化特征；
基于所述轮廓分数随聚类簇数变化特征和所述惯性系数随聚类簇数变化特征，确定K-means聚类算法模型的最优聚类簇数量，获得基于最优聚类簇数量的K-means聚类算法模型；
依据所述基于最优聚类簇数量的K-means聚类算法模型，对所述不同深度下的三项指标数据进行聚类分析，得到表征不同深度数据点对应聚类簇的整体聚类分析结果。
4.根据权利要求3所述的地层可钻性评价方法，其特征在于，在根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果的步骤中，包括：
根据所述整体聚类分析结果，分别计算每个聚类簇中所有数据点的钻时平均值及对应的标准差，从而确定每个聚类簇的聚类中心和样本数量；
根据所述数据集，结合所述每个聚类簇的聚类中心和样本数量，绘制关于三项指标数据的三元交会图聚类结果；
基于所述三元交会图聚类结果，绘制已钻井的钻时数据随井深变化的钻时分布特征，并对所述钻时分布特征上的各个数据点对应的聚类簇进行标记，得到地层可钻性随井深变化特征；
根据所述地层可钻性随井深变化整体特征，统计已钻井地层中不同层序内各井深数据点对应的聚类簇，分别针对各类层序地层来绘制聚类分析结果统计图；
基于不同类型层序地层的聚类分析结果统计图，获得每个层序地层下的各项聚类簇的钻时数据及对应的钻时平均值，从而绘制出用于评价已钻井实际可钻性定量特征的第一钻时变化曲线和平均钻时变化曲线，用以表征所述可钻性量化分布结果，所述钻时平均变化曲线根据每个连续井深数据点所属层序地层下的对应聚类簇的钻时平均值而形成。
5.根据权利要求4所述的地层可钻性评价方法，其特征在于，在获得所述可钻性量化分布结果的步骤中，还包括：
将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之间的差值作为所述第一钻时变化曲线和所述平均钻时变化曲线的下限值，以形成钻时下限值曲线；
将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之和作为所述第一钻时变化曲线和所述平均钻时变化曲线的上限值，以形成钻时上限值曲线。
6.根据权利要求4或5所述的地层可钻性评价方法，其特征在于，利用如下表达式计算所述钻时平均值：
；
其中，表示某一聚类簇的平均钻时，k表示聚类簇内数据点的序号，Depthk表示聚类簇内第k个数据点所对应的录井井深，Depthk-1表示聚类簇内第k-1个数据点所对应的录井井深，tk表示聚类簇内第/>个数据点的钻时数据。
7.根据权利要求1或2所述的地层可钻性评价方法，其特征在于，所述地层可钻性评价方法还包括：对所述待评价已钻井的钻井数据和测井数据进行预处理，所述预处理包括：
对所述钻井数据和测井数据进行异常点剔除；
以录井数据深度刻度为基准，将所述钻井数据和测井数据进行深度校正；
对所述钻井数据和测井数据进行井斜校正。
8.根据权利要求7所述的地层可钻性评价方法，其特征在于，利用如下表达式对所述钻井数据中的钻压进行数据校正：
；
其中，WOBe表示井底有效钻压，WOB表示钻压，μs表征钻柱与井壁之间的摩擦系数，γb表示井斜角，η表示钻头水功率系数，ρb表示钻井液密度，Q表示钻井液排量，A0表示钻头喷嘴的出口截面积；
基于同一深度处的录井数据来校正所述测井数据，并利用如下表达式表示：
；
其中，xj表示在录井深度j处校正后的测井数据，i表示测井深度，j表示录井深度，Δd表示相邻录井数据之间的井深间隔，xi表示测井深度处的测井数据，n表示测井数据的总数。
9.根据权利要求1或2所述的地层可钻性评价方法，其特征在于，所述地层可钻性评价方法还包括：根据所述已钻井的邻井的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证。
10.根据权利要求9所述的地层可钻性评价方法，其特征在于，在根据所述已钻井的邻井的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证的步骤中，包括：
根据所述邻井的钻井数据和测井数据，计算包含邻井不同深度下三项指标数据的邻井数据集；
将所述邻井数据集输入至预先构建的邻井聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到邻井的整体聚类分析结果；
根据邻井整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到邻井在连续层序地层下的可钻性量化分布结果；
对比同层位处邻井与已钻井的可钻性量化分布结果，并分析两者的一致性，用以验证对已钻井地层可钻性评价结果的准确性。
11.一种计算机可读存储介质，其特征在于，其包含用于执行如权利要求1~10中任一项所述的基于聚类算法的地层可钻性评价方法步骤的一系列指令。
12.一种基于聚类算法的地层可钻性评价系统，其特征在于，包括：
数据预处理模块，其配置为获取待评价已钻井的钻井数据和测井数据；
数据集生成模块，其配置为根据所述钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；
聚类分析模块，其配置为将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；
可钻性定量评价模块，其配置为根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194615.6A CN117763466A (zh) | 2024-02-22 | 2024-02-22 | 一种基于聚类算法的地层可钻性评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194615.6A CN117763466A (zh) | 2024-02-22 | 2024-02-22 | 一种基于聚类算法的地层可钻性评价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117763466A true CN117763466A (zh) | 2024-03-26 |
Family
ID=90314758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410194615.6A Pending CN117763466A (zh) | 2024-02-22 | 2024-02-22 | 一种基于聚类算法的地层可钻性评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117763466A (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111749686A (zh) * | 2020-07-08 | 2020-10-09 | 中国石油天然气集团有限公司 | 一种基于地层抗钻参数的钻头快速优选方法 |
| CN112001441A (zh) * | 2020-08-24 | 2020-11-27 | 中国石油大学(华东) | 一种基于Kmeans-AHC混合聚类算法的配电网线损异常检测方法 |
| CN112031749A (zh) * | 2019-05-16 | 2020-12-04 | 中国石油集团工程技术研究院有限公司 | 一种油气钻探用钻头综合性能评价方法 |
| CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
| CN113065286A (zh) * | 2021-04-12 | 2021-07-02 | 西南石油大学 | 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 |
| CN113323647A (zh) * | 2020-02-12 | 2021-08-31 | 中国石油化工股份有限公司 | 用于监测岩石抗压强度和可钻性的方法及装置 |
| CN114139458A (zh) * | 2021-12-07 | 2022-03-04 | 西南石油大学 | 基于机器学习的钻井参数优化方法 |
| CN114463333A (zh) * | 2022-04-13 | 2022-05-10 | 中国科学院地质与地球物理研究所 | 随钻地质导向实时地层格架智能更新方法与系统 |
| CN115345378A (zh) * | 2022-08-29 | 2022-11-15 | 西南石油大学 | 一种基于机器学习的页岩气井产量评价方法 |
| CN115875029A (zh) * | 2022-11-25 | 2023-03-31 | 中法渤海地质服务有限公司 | 一种基于随钻录井分形维数的潜山储层物性评价方法 |
| CN116384554A (zh) * | 2023-03-10 | 2023-07-04 | 西南石油大学 | 机械钻速预测方法、装置、电子设备及计算机存储介质 |
| CN116738584A (zh) * | 2022-03-02 | 2023-09-12 | 大庆石油管理局有限公司 | 基于随钻录井资料求取抗钻特性参数的方法 |
| CN116957364A (zh) * | 2023-09-19 | 2023-10-27 | 中国科学院地质与地球物理研究所 | 深地油气精准导航砂泥岩地层岩性评价的方法与系统 |
| CN117313508A (zh) * | 2022-06-22 | 2023-12-29 | 中国石油天然气股份有限公司 | 一种砂砾岩水平井地层可钻性分析方法 |
| CN117452518A (zh) * | 2023-12-22 | 2024-01-26 | 中国石油大学(华东) | 基于多学科数据融合聚类算法的储层岩性预测方法 |
| CN117555029A (zh) * | 2023-11-14 | 2024-02-13 | 中国矿业大学 | 一种油气储层地质力学层单井定量划分方法 |
-
2024
- 2024-02-22 CN CN202410194615.6A patent/CN117763466A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112031749A (zh) * | 2019-05-16 | 2020-12-04 | 中国石油集团工程技术研究院有限公司 | 一种油气钻探用钻头综合性能评价方法 |
| CN113323647A (zh) * | 2020-02-12 | 2021-08-31 | 中国石油化工股份有限公司 | 用于监测岩石抗压强度和可钻性的方法及装置 |
| CN111749686A (zh) * | 2020-07-08 | 2020-10-09 | 中国石油天然气集团有限公司 | 一种基于地层抗钻参数的钻头快速优选方法 |
| CN112001441A (zh) * | 2020-08-24 | 2020-11-27 | 中国石油大学(华东) | 一种基于Kmeans-AHC混合聚类算法的配电网线损异常检测方法 |
| CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
| CN113065286A (zh) * | 2021-04-12 | 2021-07-02 | 西南石油大学 | 一种基于常规测井的致密砂砾岩储层孔隙结构评价方法 |
| CN114139458A (zh) * | 2021-12-07 | 2022-03-04 | 西南石油大学 | 基于机器学习的钻井参数优化方法 |
| CN116738584A (zh) * | 2022-03-02 | 2023-09-12 | 大庆石油管理局有限公司 | 基于随钻录井资料求取抗钻特性参数的方法 |
| CN114463333A (zh) * | 2022-04-13 | 2022-05-10 | 中国科学院地质与地球物理研究所 | 随钻地质导向实时地层格架智能更新方法与系统 |
| CN117313508A (zh) * | 2022-06-22 | 2023-12-29 | 中国石油天然气股份有限公司 | 一种砂砾岩水平井地层可钻性分析方法 |
| CN115345378A (zh) * | 2022-08-29 | 2022-11-15 | 西南石油大学 | 一种基于机器学习的页岩气井产量评价方法 |
| CN115875029A (zh) * | 2022-11-25 | 2023-03-31 | 中法渤海地质服务有限公司 | 一种基于随钻录井分形维数的潜山储层物性评价方法 |
| CN116384554A (zh) * | 2023-03-10 | 2023-07-04 | 西南石油大学 | 机械钻速预测方法、装置、电子设备及计算机存储介质 |
| CN116957364A (zh) * | 2023-09-19 | 2023-10-27 | 中国科学院地质与地球物理研究所 | 深地油气精准导航砂泥岩地层岩性评价的方法与系统 |
| CN117555029A (zh) * | 2023-11-14 | 2024-02-13 | 中国矿业大学 | 一种油气储层地质力学层单井定量划分方法 |
| CN117452518A (zh) * | 2023-12-22 | 2024-01-26 | 中国石油大学(华东) | 基于多学科数据融合聚类算法的储层岩性预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 胡诗梦等: "基于钻头井底机械比能无监督聚类的水平井分段压裂段簇优化", 《天然气工业》, vol. 43, no. 7, 31 July 2023 (2023-07-31), pages 1 - 4 * |
| 胡诗梦等: "基于钻录测数据驱动的储层可压性无监督聚类模型及其压裂布缝优化", 《石油科学通报》, vol. 8, no. 6, 31 December 2023 (2023-12-31), pages 1 - 4 * |
| 苗振华: "基于南海A区块井场数据岩石可钻性预测及钻井参数优化研究", 《中国优秀硕士学位论文全文数据库》, 15 January 2024 (2024-01-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105822301B (zh) | 一种有机碳含量的测井预测数学模型建立方法 | |
| CN112526107B (zh) | 裂缝型致密砂岩储层甜点识别与定量表征的方法 | |
| CN110397402B (zh) | 钻井方法及装置 | |
| CN110469299B (zh) | 一种采油井注水开发见效效果评价方法 | |
| CN110532507B (zh) | 一种提高水平井致密油储层钻遇率的方法 | |
| CN111767674A (zh) | 一种基于主动域适应的测井岩性识别方法 | |
| CN110596757A (zh) | 一种页岩地层纵波及横波速度的校正方法 | |
| CN110533224B (zh) | 一种油页岩接续勘探钻孔位置优选方法 | |
| CN112282742B (zh) | 一种页岩油优质储层的预测方法 | |
| CN115238861A (zh) | 一种基于井壁垮塌程度约束的安全钻井液密度确定方法 | |
| CN117763466A (zh) | 一种基于聚类算法的地层可钻性评价方法及系统 | |
| CN116451013B (zh) | 一种深部地层岩石原位可钻性级值预测方法 | |
| CN109403959B (zh) | 基于工程录井参数的储层智能解释方法 | |
| CN116432855A (zh) | 一种基于掘进数据的隧道塌方情况的预测方法 | |
| CN116562428A (zh) | 一种基于机器学习的压裂施工参数优化方法 | |
| CN113742962B (zh) | 一种基于水平井的页岩储层属性三维建模方法 | |
| CN114370264B (zh) | 机械钻速确定、钻井参数优化方法、装置及电子设备 | |
| CN115875029A (zh) | 一种基于随钻录井分形维数的潜山储层物性评价方法 | |
| CN115809411A (zh) | 一种基于测井数据的改进型决策树岩性识别方法 | |
| CN114971177A (zh) | 一种围岩分级数字化方法及系统 | |
| CN112727433A (zh) | 一种钻井参数优化方法 | |
| CN112502677A (zh) | 一种基于多元线性回归的注水开发效果评价方法 | |
| CN111706323A (zh) | 一种综合gwo-lssvm算法的水淹层精细解释评价方法 | |
| CN112394416A (zh) | 非均质断裂控制储层预测方法及装置 | |
| CN110020446B (zh) | 一种地质导向预警方法 |
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 |