[发明专利]一种基于机器学习算法的裂缝相似度判断方法

权利要求书

1.一种基于机器学习算法的裂缝相似度判断方法，其特征在于，包括以下步骤：

S1：获取目标井的压裂施工曲线数据，并根据所述压裂施工曲线数据进行压裂施工阶段划分，获得所述目标井各个压裂施工阶段的主压裂段；

S2：对所述目标井所有主压裂段的压裂施工曲线数据进行预处理，获得各主压裂段归一化后的压裂施工曲线数据；

S3：选取其中一段主压裂段作为目标段一，根据所述目标段一归一化后的压裂施工曲线数据，采用能够进行时序性训练的机器学习算法进行单段压力预测模型训练，获得单段压力预测模型一；

S4：根据所述单段压力预测模型一对其余各主压裂段进行施工压力预测，得到其余各主压裂段与所述目标段一的裂缝相似程度，并初步判断出与所述目标段一裂缝相似的裂缝相似段；

S5：对所述裂缝相似段进行二次验证，若二次验证仍然判断所述目标段一与所述裂缝相似段裂缝相似，则最终判断所述目标段一与所述裂缝相似段裂缝相似。

2.根据权利要求1所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S1中，所述压裂施工曲线数据包括加砂浓度、施工排量以及施工压力。

3.根据权利要求1所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S1中，进行压裂施工阶段划分时，以加砂开始作为所述主压裂段的起始阶段，以加砂结束作为所述主压裂段的结束阶段。

4.根据权利要求1所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S2中，所述预处理包括依次进行的平滑处理和归一化处理。

5.根据权利要求4所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，采用Savitzky-Golay滤波器进行平滑处理，采用0~1标准化法进行归一化处理。

6.根据权利要求1所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S3中，采用长短期记忆网络进行单段压力预测模型训练。

7.根据权利要求6所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S3具体包括以下子步骤：

S31：将所述目标段一归一化后的压裂施工曲线数据按照比例划分为训练集和验证集；

S32：设定所述长短期记忆网络输入层、输出层、隐含层、学习率以及时间步长的预设值，向所述长短期记忆网络输入所述预设值，并根据所述训练集的数据进行施工压力预测，获得预测施工压力值一；

S33：计算所述预测施工压力值一与其对应的真实施工压力值一之间的相关系数一；

若所述相关系数一小于阈值一，则调整所述长短期记忆网络隐含层、学习率以及时间步长的预设值，重复步骤S32-S33；

若所述相关系数一大于等于阈值一，则获得初始单段压力预测模型并进入步骤S34；

S34：根据所述验证集的数据，采用所述初始单段压力预测模型进行施工压力预测，获得预测施工压力值二；

S35：计算所述预测施工压力值二与其对应的真实施工压力值二之间的相关系数二；

若所述相关系数二小于阈值二，则调整所述长短期记忆网络隐含层、学习率以及时间步长的预设值，重复步骤S32-S35；

若所述相关系数二大于等于阈值二，则获得所述单段压力预测模型一。

8.根据权利要求7所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，所述阈值一大于等于所述阈值二。

9.根据权利要求1-8中任意一项所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S4具体包括以下子步骤：

S41：根据所述单段压力预测模型一对其余各主压裂段进行施工压力预测，得到其余各主压裂段的预测施工压力值三；

S42：计算所述预测施工压力值三与其对应的真实施工压力值三之间的相关系数三；

当某一相关系数三大于等于阈值三时，则初步判断该相关系数三对应的主压裂段与所述目标段一裂缝相似，将其作为所述裂缝相似段。

10.根据权利要求9所述的基于机器学习算法的裂缝相似度判断方法，其特征在于，步骤S5具体包括以下子步骤：

S51：将所述裂缝相似段作为目标段二，重复步骤S3，获得单段压力预测模型二；

S52：根据所述单段压力预测模型二对所述目标段一进行施工压力预测，得到所述目标段一的预测施工压力值四；

S53：计算所述预测施工压力值四与其对应的真实施工压力值四之间的相关系数四；

若所述相关系数四大于等于阈值四，则最终判断所述目标段一与所述裂缝相似段裂缝相似。