[发明专利]一种地质勘探钻进过程双层智能钻速建模方法

说明书

本发明公开了一种地质勘探钻进过程双层智能钻速建模方法，建模工作分四个步骤进行，首先，运用分段三次埃尔米特插值方法将部分缺失的地震声波时间数据补齐并获得样本数据集；然后，使用Nadaboost‑ELM算法建立地层可钻性子模型；接着，运用Pearson相关性分析方法确定与钻速相关性较强的参数；最后，运用改进的PSO‑RBF算法建立钻速子模型。本文所提方法克服了以前钻速建模方法中未将地层可钻性这一关键参数和钻速分层次并形成统一架构，和使用确定性或单一智能建模方法带来的缺陷，提高了钻速建模的精度和泛化能力，为地质勘探钻进过程智能控制打下了良好的基础。

技术领域

本发明属于地质勘探钻进过程智能控制领域，尤其涉及一种地质勘探钻进过程双层智能钻速建模方法。

背景技术

资源能源安全是国家安全的重要组成部分，也是国家经济可持续发展的关键之一。保障资源能源安全应立足于国内。随着浅层矿产资源的日益枯竭、深部成矿理论的发展以及国内外大量深部矿产资源的探明使得深部地质勘探和开发成为必然。地质勘探钻进过程是穿越多种复杂地层抵达目标区域并获取完整岩心的过程。深部地质勘探钻进过程存在风险大、成本高，资源难以转化为现实生产力等问题，而预测钻速并优化操作参数能够有效的解决上述问题。因此，建立钻速模型是智能控制的前提，同时也是实现地质勘探钻进过程安全高效目标的重要基础。

钻速是指钻进系统每小时的进尺量，它是决定钻进效率的最重要的参数。钻速主要受地层属性参数和钻进工艺参数两类参数的影响，地层属性参数可分为地震参数和测井参数两类，而地层可钻性是一种反映地层属性的地层特征参数，钻进工艺参数又可分为录井参数和钻井参数两类。这五类参数都对钻速具有重要影响，同时，它们之间具有非线性、强耦合等特点。

地层可钻性对钻速具有直接而重要的影响，除了钻井参数和录井参数对钻速产生直接影响外，其他参数大多通过地层可钻性这一个地层特征参数来影响钻速，但是地层可钻性在实际生产中难以检测。地质勘探钻进过程的特点决定了地层特征参数、地震参数、测井参数、录井参数和钻井参数对钻速的影响方式和途径并不相同，如果将所有的参数作为同等地位的输入建立钻速模型将会导致模型的解释性较差，难以清晰地反映出各种参数对钻速的影响。

目前，钻速建模研究都是将地层可钻性等反应地层属性的参数及其他参数一起作为钻速模型的输入，建立单层钻速模型，建立单层钻速模型的方法主要有两类。一类是利用传统统计回归的方法建立钻速模型；一类是利用神经网络、支持向量回归等智能方法建立钻速模型。上述方法是将地层可钻性这一直接影响钻速的关键参数与钻速分开描述，没有形成统一架构。因此，融合多种形式的子模型进行多层次、多模型、多种智能建模方法协同描述是实现钻速建模的一种新途径。

发明内容

本发明的目的是提出一种地质勘探钻进过程双层智能钻速建模方法，该方法通过融合分层、优化和智能建模的思想，建立了地质勘探钻进过程双层智能钻速模型架构，能够有效提高钻速模型的精度和泛化能力，为地质勘探钻进过程智能控制打下了良好的基础。

为了实现上述技术目的，本发明所采用的技术方案是：一种地质勘探钻进过程双层智能钻速建模方法，包括以下步骤：

(1)选定钻速作为衡量地质勘探钻进过程效率的指标，对钻进过程进行机理分析，确定影响钻速的各类参数，基于分段三次埃尔米特插值方法将部分缺失的数据补齐并获得样本数据集；

(2)在步骤1获得样本数据集的基础上，采用Nadaboost-ELM算法建立地层可钻性子模型；

(3)在步骤2建立地层可钻性子模型的基础上，基于Pearson相关性分析方法确定与钻速相关性较强的参数，作为钻速子模型的输入参数；

(4)根据步骤3得到的基于钻速子模型输入参数，运用改进的PSO-RBF算法建立钻速子模型，形成地质勘探钻进过程双层智能钻速建模架构。

进一步地，所述步骤1具体包括以下过程：