【技術實現步驟摘要】
本專利技術涉及石油與天然氣鉆井安全監測，具體涉及一種水平井環空巖屑濃度預測方法及裝置、存儲介質。
技術介紹
1、環空巖屑濃度是指在環空中鉆井液所含巖屑的濃度，通常以百分數表示，是影響鉆井作業的重要參數。在水平井鉆進過程中，環空巖屑濃度是監測巖屑運移情況、分析井眼清潔效果的重要評價指標之一。井眼清潔不良問題可導致高摩高扭、長時間循環、頻繁劃眼，嚴重時會導致卡鉆、填井側鉆等復雜事故。因此，采用合理鉆井參數和施工工序促進地層破碎巖屑及時返出井筒，使環空巖屑濃度處于合理范圍，對于提高鉆井速度，縮短鉆井周期，保障鉆井安全具有重要意義。
2、現有的環空巖屑濃度預測方法中主要采用機器學習和硬件測量方法，其中機器學習方法對于巖屑濃度影響因素采用經驗方法確定，定性判斷影響了智能分析的科學性，并且機器學習方法只適合直井，不能應用到水平井中。硬件測量方法依賴于硬件設備，由于質量流量計價格昂貴，無法實現全場景覆蓋，因此限制了該方法的應用。
技術實現思路
1、本專利技術提供一種水平井環空巖屑濃度預測方法及裝置、存儲介質，以提高環空巖屑濃度預測的準確性和適應性。
2、為此，本專利技術提供如下技術方案：
3、一種水平井環空巖屑濃度預測方法，所述方法包括：
4、按井斜角對水平井進行分段；
5、根據原始錄井數據確定水平井各段的巖屑濃度影響參數；
6、建立各段對應的巖屑濃度影響參數與巖屑濃度的非線性預測函數；
7、利用所述預測函數對水
8、可選地，所述按井斜角對水平井進行分段包括：按井斜角0-30°、30-65°和65+°對水平井進行分段。
9、可選地，所述根據原始錄井數據確定水平井各段的巖屑濃度影響參數包括：
10、獲取水平井各段的原始錄井數據；
11、根據所述原始錄井數據生成維標準化樣本矩陣，；
12、確定所述維標準化樣本矩陣的相關系數矩陣；
13、根據所述相關系數矩陣得到個特征向量；
14、利用所述個特征向量和所述相關系數矩陣，確定多個主成分作為巖屑濃度影響參數。
15、可選地，所述根據所述原始錄井數據生成維標準化樣本矩陣包括：
16、根據所述原始錄井數據生成維樣本矩陣；
17、對所述維樣本矩陣中的陣元進行標準化變換，得到維標準化樣本矩陣。
18、可選地，所述根據所述相關系數矩陣得到個特征向量包括：
19、根據所述相關系數矩陣構建正交矩陣；
20、將所述正交矩陣的每一列作為對應的特值的特征向量，得到個特征向量。
21、可選地，所述利用所述個特征向量和所述相關系數矩陣，確定多個主成分作為巖屑濃度影響參數包括：
22、根據所述個特征向量和所述相關系數矩陣求解特征方程，得到個主成分；
23、根據個主成分的貢獻率從中選出多個主成分，將選出的主成分中的參數作為巖屑濃度影響參數。
24、可選地，建立巖屑濃度影響參數與巖屑濃度的非線性預測函數包括：
25、獲取對應所述巖屑濃度影響參數的樣本數據；
26、對所述樣本數據進行歸一化處理，得到處理后的樣本數據；
27、利用所述處理后的樣本數據訓練bp神經網絡模型，所述bp神經網絡的輸入節點為所述多個主成分對應的特征向量，輸出為巖屑濃度預測結果。
28、可選地，所述bp神經網絡隱含層各神經元的輸入函數和輸出函數分別為：
29、；
30、；
31、其中，為輸入函數，為輸出函數；為輸入參數，為權重，為偏置值，表示的分布函數。
32、一種水平井環空巖屑濃度預測裝置，所述裝置包括：
33、設置模塊，用于按井斜角對水平井進行分段；
34、參數確定模塊，用于根據原始錄井數據確定水平井各段的巖屑濃度影響參數；
35、函數建立模塊，用于建立各段對應的巖屑濃度影響參數與巖屑濃度的非線性預測函數；
36、預測模塊，用于利用所述預測函數對水平井環空巖屑濃度進行預測。
37、可選地，所述參數確定模塊包括：
38、數據獲取單元，用于獲取水平井各段的原始錄井數據；
39、標準化單元，用于根據所述原始錄井數據生成維標準化樣本矩陣，；
40、系數確定單元，用于確定所述維標準化樣本矩陣的相關系數矩陣；
41、特征向量確定單元，用于根據所述相關系數矩陣得到個特征向量；
42、參數選擇單元，用于利用所述個特征向量和所述維標準化樣本矩陣，確定多個主成分作為巖屑濃度影響參數。
43、可選地，所述函數建立模塊包括：
44、樣本獲取單元，用于獲取對應所述巖屑濃度影響參數的樣本數據；
45、樣本處理單元，用于對所述樣本數據進行歸一化處理，得到處理后的樣本數據；
46、模型訓練單元，用于利用所述處理后的樣本數據訓練bp神經網絡模型，所述bp神經網絡的輸入節點為所述多個主成分對應的特征向量，輸出為巖屑濃度預測結果。
47、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器運行時執行所述水平井環空巖屑濃度預測方法的步驟。
48、本專利技術提供的水平井環空巖屑濃度預測方法及裝置，按照不同巖屑運移機理，按照井斜角對水平井進行分段，利用主成分分析方法得到不同井斜段巖屑濃度影響因素最佳特征參數；通過人工神經網絡預測方法，實現巖屑濃度影響因素與巖屑濃度非線性關系映射，得到巖屑濃度預測擬合函數，從而實現了不同井斜段水平井環空巖屑濃度預測，提高了環空巖屑濃度預測準確定和適應性。
本文檔來自技高網...【技術保護點】
1.一種水平井環空巖屑濃度預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的水平井環空巖屑濃度預測方法，其特征在于，所述按井斜角對水平井進行分段包括：
3.根據權利要求1所述的水平井環空巖屑濃度預測方法，其特征在于，所述根據原始錄井數據確定水平井各段的巖屑濃度影響參數包括：
4.根據權利要求3所述的水平井環空巖屑濃度預測方法，其特征在于，所述根據所述原始錄井數據生成維標準化樣本矩陣包括：
5.根據權利要求3所述的水平井環空巖屑濃度預測方法，其特征在于，所述根據所述相關系數矩陣得到個特征向量包括：
6.根據權利要求5所述的水平井環空巖屑濃度預測方法，其特征在于，所述利用所述個特征向量和所述相關系數矩陣，確定多個主成分作為巖屑濃度影響參數包括：
7.根據權利要求3所述的水平井環空巖屑濃度預測方法，其特征在于，建立巖屑濃度影響參數與巖屑濃度的非線性預測函數包括：
8.根據權利要求7所述的水平井環空巖屑濃度預測方法，其特征在于，所述BP神經網絡隱含層各神經元的輸入函數和輸出函數分別為：
...【技術特征摘要】
1.一種水平井環空巖屑濃度預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的水平井環空巖屑濃度預測方法，其特征在于，所述按井斜角對水平井進行分段包括：
3.根據權利要求1所述的水平井環空巖屑濃度預測方法，其特征在于，所述根據原始錄井數據確定水平井各段的巖屑濃度影響參數包括：
4.根據權利要求3所述的水平井環空巖屑濃度預測方法，其特征在于，所述根據所述原始錄井數據生成維標準化樣本矩陣包括：
5.根據權利要求3所述的水平井環空巖屑濃度預測方法，其特征在于，所述根據所述相關系數矩陣得到個特征向量包括：
6.根據權利要求5所述的水平井環空巖屑濃度預測方法，其特征在于，所述利用所述個特征向量和所述相關系數矩陣，確定多個主成分作為巖屑濃度影響參數包括：...
【專利技術屬性】
技術研發人員：周豐，羅凱，李永釗，高文龍，孫立偉，王小權，郭修成，朱海峰，周超，李鵬娜，常楊，閻衛軍，易發新，李興財，王磊，段建明，冷風承，王月紅，
申請(專利權)人：中國石油集團長城鉆探工程有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。