[发明专利]一种融合分析多源数据的钻头优选方法

说明书

本发明涉及一种融合分析多源数据的钻头优选方法，基于已钻井的地质资料、钻井资料、录井资料、测井资料以及实验测试资料等多源数据，从中提取出部分能反映地层性质的参数组成钻头选型指标数据；使用主成分分析方法对以上钻头选型指标数据进行主成分分析，开展降维处理，提取出累计贡献率占85%以上并能表征以上多源钻头选型指标数据的彼此独立的综合指标，作为最终的钻头选型指标数据。以提取出的综合指标作为神经网络的输入参数，以实际钻井过程中钻速和进尺均大于平均值的钻头类型作为标签数据，通过神经网络训练分析综合指标与钻头类型之间的内在联系，建立钻头选型的神经网络数学模型，从而实现邻井全井段钻头类型的优选。

技术领域

本发明涉及油气勘探技术领域，尤其涉及一种融合分析多源数据的钻头优选方法。

背景技术

油气井钻井过程中，钻头钻进地层时钻速高低取决于是否优选出了合理的钻头类型。通过钻头优选，选取出与地层性质相匹配的钻头类型，能够提高机械钻速，降低钻井施工的成本，同时可以减少井下事故的发生，保障安全钻井，满足油气田钻井施工的需要。

然而，现今钻井面临的地层情况复杂，地层岩性、岩石力学及抗钻特性变化频繁，井与井之间地层可对比性差，不利于优选出最合理的钻头类型。使用单一类型资料并采用常规方法开展钻头类型优选时，对资料的综合分析不足，无法全面分析出地层的地球物理性质，优选出的钻头类型无法适应地层特征，在钻井过程中则表现为钻速和进尺均比较低，钻进效果差，甚至引发一系列井下复杂事故。

发明内容

本申请为了解决上述技术问题提供一种融合分析多源数据的钻头优选方法。

本申请通过下述技术方案实现：

一种融合分析多源数据的钻头优选方法，基于已钻井的地质资料、钻井资料、录井资料、测井资料以及实验测试资料等多源数据，从中提取出部分能反映地层性质的参数组成钻头选型指标数据。

为了合并相似指标，减少无用指标，降低神经网络复杂程度，提升神经网络运算速度和精度，使用主成分分析方法对以上钻头选型指标数据进行主成分分析，开展降维处理，提取出累计贡献率占85％以上并能表征以上多源钻头选型指标数据的彼此独立的综合指标，作为最终的钻头选型指标数据。

以提取出的综合指标作为神经网络的输入参数，以实际钻井过程中钻速和进尺均大于平均值的钻头类型作为标签数据，通过神经网络训练分析综合指标与钻头类型之间的内在联系，建立钻头选型的神经网络数学模型，从而实现邻井全井段钻头类型的优选。

与现有技术相比，本申请具有以下有益效果：

1，相比于使用单一类型资料开展钻头选型，本申请使用多源数据作为钻头选型指标，从多维度分析地层特性，弥补了单一类型资料存在的缺陷，能有效提高优选钻头与地层的配伍性，获取合理的全井段优选钻头类型。

2，本申请将主成分分析(PCA)、神经网络等方法用于开展数据融合分析并建立钻头选型数学模型，能实现准确、快速的钻头优选。

附图说明

此处所说明的附图用来提供对本申请实施方式的进一步理解，构成本申请的一部分，并不构成对本发明实施方式的限定。

图1是本发明神经网络的结构图；

图2是神经网络训练输出结果与实际结果对比图；

图3是神经网络训练输出结果与实际结果绝对误差图；

图4是神经网络训练过程误差变化图；

图5是神经网络测试输出结果与实际结果对比图；

图6是神经网络测试输出结果与实际结果绝对误差图；

图7是神经网络测试过程误差变化图；

图8是全井段预测钻头类型剖面图。