[发明专利]一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法

说明书

本发明公开了一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法。所述方法首先利用实测标定结果与实测值误差建立起神经网络模型，然后采用了K邻近法对于钻具姿态数据进一步分类，构建了结合K邻近法的神经网络模型；所述方法运行装置包括校验架和地磁传感器。该误差标定方法旨在解决现有针对目前校准方法的不足以及传统三轴正交测斜法校准耗时长、操作复杂、标定时间长、精度低、成本昂贵的问题。

技术领域

本发明涉及测斜仪校准领域，尤其涉及一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法

技术背景

油气资源是现在工业发展和经济发展的重要命脉，随着我国经济的快速发展，对于油气资源的需求也不断增大。因为油气资源是不可再生的，并且已经开采过的油气资源基本上都是地质好，开采难度小的地方。所以剩余的油气资源储藏地的地理环境复杂，开采难度大

目前油气资源开采方向朝着更深的地层前进，发展出了水平井、大位移井等开采方式。复杂的地质、难度更大的开采方式，这都对当前的钻井轨迹测量的精确度提出了更高的要求。随钻测斜仪均采用基于地球重力场和磁场的测斜技术来实现，即利用三轴加速度计和三轴磁强计组合实现方位角、井斜角及工具面角的测量。由于制造工艺及安装误差的原因，通常会带来传感器温度漂移及传感器与钻具三轴坐标系安装不重合、不正交等误差。所以随钻测斜仪在出厂前需要实现对随钻测斜仪的标定和使用一定时间后的再次标定。在标定过程中，随钻测斜仪会受到磁场干扰的影响，从而使得标定误差增大，甚至失效。如果不消除或抑制这些误差，测量结果会出现很大的偏差。

存在的问题在于，目前的测斜方法人为影响因素较大，只能够对固定误差有比较好的效果，标定周期长，无法达到现代工业实时监测钻具姿态的标准。

发明内容

针对目前标定过程中标定时间长，精度低、成本昂贵的问题，本发明的目的在于提出了一种基于支持向量分类机和K邻近法的随钻测斜仪精度提升的方法，先利用实测标定结果与实测值误差建立起神经网络模型，然后采用了K邻近法对于钻具姿态数据进一步分类，构建了结合K邻近法的神经网络模型。

为达到以上目的，本发明采取的技术方案是：

本发明提出了一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法，包括：通过向量分类机进行接收钻具姿态特征样本的模式分类，并结合K邻近法完善分类结果，进行标定，以得到提升精度的钻具姿态数据。

在所述方法中，钻具姿态的计算需要进行多次分类，且多次分类可以拆分为若干个二分类，过程主要为两个模式，分别为训练模式和分类模式，其中训练模式为分类模式服务，同时分类模式的计算结果也可以作为训练模式的样本。

在所述方法中，需要的钻具姿态训练样本集T＝{(X₁,Y₁),(X₂,Y₂),…,(X_m,Y_m)}；

其中，X_i∈X＝Rⁿ为实测钻具姿态训练样本数据；Y_i∈Y∈{1,-1}为判定结果；i＝1,2,…,m。

所述实测钻具姿态训练样本数据集为线性可分的；

将钻具姿态样本数据正确的划分为两类的分类超平面ωX+b＝0，其对应的是室内位置判别函数为符号函数：F(X)＝sgn(ωX+b)。

所述应用Lagrange对偶理论及二次规划方法，考虑钻具姿态数据样本与分类超平面的距离问题，以得到最优ω及b，获得最优分类超平面，满足结构风险最小化原则，具体包括：

根据得到最优解ω及b；

其中，为求解二次规划得到，X_r与X_s为钻具姿态信息的支持向量；