[发明专利]基于地质力学模型和机器学习检测地热井风险的方法

权利要求书

1.基于地质力学模型和机器学习检测地热井风险的方法，其特征在于，包括以下步骤：

S1：根据检测地热井复杂风险所需的参数类型，收集现场测井资料、测井报告和井史资料；

S2、对所述S1中数据进行整理、清洗，剔除异常数据和重复数据，并对缺失数据进行填补，用清洗后的数据建立测井资料、测井报告和井史资料数据库；

S3、根据地质力学模型推导出与地层坍塌压力、地层破裂压力相关的井段深度、井径、地层纵波、地层横波、地层密度、岩石密度、井段顶届至井口的地层密度平均值、钻井液密度和温度九个参数数据；

S4、将所述S3的九个参数数据作为输入，对应的地层坍塌压力和地层破裂压力两个参数数据作为输出，将数据分为训练集和测试集，利用随机森林算法，对训练集数据进行回归训练，并通过网格搜索算法对随机森林参数优化，得到随机森林算法模型，并通过测试集验证随机森林算法模型的准确性；

S5、通过预测地层坍塌压力和预测地层破裂压力值的范围得到钻井液密度窗口，将钻井液密度窗口数据和井史资料中泥浆密度比较，判断井段工况。

2.如权利要求1所述的基于地质力学模型和机器学习检测地热井风险的方法，其特征在于，所述S3的地质力学模型建立包括：

S31、建立地层孔隙压力与岩石的有效应力的关系：

σ＝P₀-P_p (₁)

其中，σ岩石的有效应力、P₀上覆岩层压力、P_p地层孔隙压力；

σ和岩石泊松比力学参数相关，泊松比力学参数可以用测井资料计算：

σ＝96.76e^-2.47727μ (2)

其中，μ泊松比，无量纲；

μ泊松比公式：

Δt_c，Δt_s地层纵波，地层横波；

P_p＝P₀-97.769e^-2.47727μ (4)

其中，H₀，H研究井段起始深度和目的深度值，单位m；ρ，ρ_d，井段顶届至井口的地层密度平均值和实测的地层密度，g/cm3；

S32、地层坍塌压力计算模型：

其中，P_b地层坍塌压力，MPa；σ_H，σ_h最大、最小水平主应力，MPa；内摩擦角，取π/6；τ岩石粘聚力，MPa；αBiot弹性系数，无量纲；

Biot弹性系数α(0＜α≤1)

其中，ρ_b，ρ_m地层密度、岩石密度，g/cm3；

岩石粘聚力τ，内摩擦角

M＝58.93-1.785τ (10)

式中：V_sh泥质含量，％，由GR测井值求取；

应力非线性修正系数η

η＝σ_θn/σ_θl (11)

其中，σ_θl＝2σ-P_m；

其中，σ_θl，σ_θn均匀地应力下切向应力的线性弹性解和非弹性解，MPa；σ平均水平地应力，MPa；

泥浆液柱压力：

其中，P_m＝9.80665×D_ep×D_mud/1000，MPa；D_mud钻井液的密度，g/cm3；D_ep地层深度，m；

S33、地层破裂压力计算模型：

其中，P_f地层破裂压力，MPa；αBiot系数；σ_t岩石抗张强度；u_b地层水平骨架应力非平衡因子，无量纲；

岩石抗张强度σ_t

σ_t＝(0.0045E+0.35E·V_sh)/12 (14)

E＝2ρ_bβ(1+μ)/Δt_s² (15)

其中，β单位转换系数；

地层水平骨架应力非平衡因子u_b：

其中，D_max，D_min井径最大、最小值，m；μ_m地层骨架的泊松比，无量纲；k经验系数。