[发明专利]一种梯度提升法固井质量评价方法

说明书

本发明提供了一种梯度提升法固井质量评价方法，包括如下步骤：S1建立样本集；S2建立训练集和验证集；S3建立梯度提升法固井质量评价初级模型，规范出入端和输出端；S4优化模型：将步骤S2中的训练集数据导入步骤S3中的梯度提升法固井质量评价初级模型进行训练和迭代优化，使模型的负梯度逐渐收敛，直到训练结果的符合率大于符合率目标值，将参数固定在模型中，获得优化模型；S5将验证集数据导入步骤S4中的优化模型，对模型进行验证，获得梯度提升法固井质量评价模型；S6模型应用。本发明克服了固井质量评价的时效性和可靠性差的问题，通过梯度提升法算法进行模型训练，建立测井曲线特征与固井结果关系模型，实现井场固井质量测井的快速可靠评价。

技术领域

本发明涉及石油行业固井质量测井评价技术领域，更具体地，涉及一种梯度提升法固井质量评价方法。

背景技术

固井作业是指油井钻完并下套管后，通过在套管与地层间的空隙填充水泥，从而实现套管、水泥以及地层的紧密胶结。一口井固井质量的好坏，直接影响试油和生产。固井不好时由于不能把相邻油水层完全隔开，无法达到分层生产的目的，特别是油层与水层连通时，严重的会直接导致井无法利用而报废。因此，对固井质量及时有效评价显得尤为重要。现有方法通常采用在固井作业后进行声幅测井(CBL)、声波变密度测井(VDL)、水泥评价测井(CET)、井下超声波电视测井(BHTV、VAST)、分区水泥胶结测井(SBT)等固井质量测井评价方法，再针对这些测井资料，利用根据声波传播与反射原理以及各评价界面反射波的强弱(声幅)来进行定性或半定量评价，以获得水泥与套管之间的第一界面、水泥与地层之间的第二界面的胶结情况。

例如利用主频识别地层波，解决了波形图在时域内难以提取地层波信息问题，在此基础上构建了基于声波-变密度测井的固井质量评价标准；基于固井质量评价指标与水泥浆体系密度之间的变化关系，构建了基于水泥浆种类及其密度值的固井质量评价方法等。公开号为CN110020785A的中国专利文献，公开了一种基于深度学习的稠油热采井固井评价系统，通过在收集测井装置提供的测井资料后，将测井资料作为数据，导入神经网络，将数据与深度学习结合，训练神经网络，将数据集的低层特征提取出高级特征，通过训练后的神经网络评价油井的固井质量。

但是，上述方案在容错性、抗干扰性和自适应性等方面均存在一定的不足，不同的井况、地质、工艺参数需建立不同的评价模型，评价处理耗时耗力，评价时效不够高。

发明内容

本发明的目的在于克服现有技术固井质量评价的时效性和可靠性差的问题，提供一种梯度提升法固井质量评价方法。本发明通过整理各种裸眼测井数据、固井测井数据等原始数据与人工固井质量评价成果的数据对应关系，构建训练集，使用梯度提升法算法进行模型训练，建立测井曲线特征与固井结果关系模型，实现井场固井质量测井的快速可靠评价。

为解决上述技术问题，本发明采用的技术方案是：

一种梯度提升法固井质量评价方法，具体包括如下步骤：

S1建立样本集：选取样本井，对样本井的固井质量评价结果进行数据离散采样，获得样本集；

S2建立训练集和验证集：对步骤S1建立的样本集进行同深度点的常规测井值的离散化匹配，将匹配好的样本集数据随机分离出一定比例的样本集数据作为训练集，剩下的样本集数据为验证集；

S3建立梯度提升法固井质量评价初级模型：将常规测井值作为输入数据，将固井质量评价结果作为输出数据，利用损失函数和类别概率函数作为算法约束，建立多输入单输出的梯度提升法固井质量评价初级模型；

S4优化模型：将步骤S2中的训练集数据导入步骤S3中的梯度提升法固井质量评价初级模型进行训练和迭代优化，使模型的负梯度逐渐收敛，直到训练结果的符合率大于符合率目标值，将参数固定在模型中，获得优化模型；