[发明专利]一种适用于页岩气长水段的井下卡钻故障实时预警方法

说明书

本发明公开了一种适用于页岩气长水段的井下卡钻故障实时预警方法，包括：步骤100、构建卡钻故障数据库；步骤200、构建基于粒子群算法优化的BP神经网络智能算法；步骤300、基于步骤200中的BP神经网络智能算法创建卡钻故障预警模型。在本发明中，首先对系统整理分析了BP神经网络的学习步骤，并分析了BP神经网络的缺陷，提出了基于粒子群优化BP神经网络的算法；然后将基于粒子群优化BP神经网络的算法应用于卡钻故障实时预警，以此建立了井下卡钻故障实时预警模型，实现了卡钻故障智能化、实时化的定量判断。同时，还编制了综合录井资料与卡钻故障预警软件的数据传输接口，实现了综合录井数据与卡钻故障预警软件之间的实时数据传输。

技术领域

本发明涉及深层页岩气复杂地层钻井技术领域，特别涉及一种适用于页岩气长水段的井下卡钻故障实时预警方法。

背景技术

近年来，中国石化加快了页岩气资源的勘探开发，并在川渝地区取得了重大突破，其中川南工区(威远、长宁、自贡等)是我国页岩气资源最为丰富、最具开发潜力的地区之一。该工区地层压力系数高、钻井地质条件复杂，导致钻井复杂、故障频发。基于2018年完成井数据分析，钻井复杂、故障时间达5029.79h，其中卡钻故障最为突出，占复杂、故障总时效的47.48％，严重制约了页岩气安全高效开发。因此，保障页岩气水平井水平段钻完井过程中的安全是工区提速提效重要且急需的工作。

现有的卡钻故障识别主要是专家知识系统，或利用常规录井资料对工程异常进行分析，而且仅有少量测量和运算工作由计算机自动完成，大多数的分析和判断仍然依靠人工完成，由于个体知识、经验以及责任心差异等原因，往往会导致不能及时发现和处理钻井异常及复杂的情况，增加了风险；事实上要求操作员全神贯注地观察监测数据的变化并迅速判明事故，是不太现实的。因此，现有卡钻识别技术在监控信息综合利用能力差、风险预警不够及时、主观性太强等问题较为突出。

发明内容

有鉴于此，本发明提供了一种适用于页岩气长水段的井下卡钻故障实时预警方法，能够基于人工神经网络智能算法建立了井下卡钻故障实时预警模型，实现了卡钻故障的可预测、可控制。

为实现上述目的，本发明提供如下技术方案：

一种适用于页岩气长水段的井下卡钻故障实时预警方法，包括：

步骤100、构建卡钻故障数据库；

步骤200、构建基于粒子群算法优化的BP神经网络智能算法；

步骤300、基于步骤200中的BP神经网络智能算法创建卡钻故障预警模型：

步骤310、设计BP神经网络：

步骤311、设计输入层：

根据步骤100中的卡钻故障数据库，选择与卡钻故障相关性强的表征参数设定为输入神经元；

步骤312、设计输出层：

设定2个输出神经元，分别为发生卡钻故障的期望输出向量q₁＝(1,0)和不发生卡钻故障的期望输出向量q₂＝(0,1)；

步骤313、设计隐含层：

由经典公式计算隐含层的个数，隐含层的个数取值1～10；

步骤320、设计粒子群算法：

步骤321、根据步骤310得到的BP神经网络结构计算其连接权值和阈值，再根据连接权值和阈值确定粒子群算法的粒子长度，并对每一个粒子进行向量编码；

步骤322、创建适应度函数：

将BP神经网络训练的均方根误差作为适应度函数：