[发明专利]滑动定向钻井模拟机实现方法

权利要求书

1.一种滑动定向钻井模拟机实现方法，其特征在于，包括如下步骤：

(1)获取滑动定向训练数据集，同时生成随机噪声；

(2)进行数据处理与数据整理，同时生成模型利用随机噪声生成数据样本；

生成模型除输出层之外的其他层均使用ReLU激活函数，ReLU激活函数表示形式如下：

输出层采用Tanh激活函数代替ReLU激活函数，其表示形式如下：

(3)采用判别模型判断数据来源，生成基于GAN的对抗网络，形成滑动定向数据模型；

生成模型网络的联合损失函数为：

L_G＝λ_L2L₂+λ_gL_g

其中，λ_L2和λ_g是超参数，分别为L₂范数和L_g损失函数所占权重；

判别模型网络的损失函数定义为：

L_D＝|D(G(x))-0|+|D(x)-0.9|

(4)自动生成多类别的滑动定向数据，获取有效扩增数据，形成扩增滑动数据集。

2.根据权利要求1所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(1)中，获取的滑动定向训练数据集中至少包含扭摆、MWD、录井系统三个系统的数据。

3.根据权利要求2所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(1)中，随机噪声相当于一个随机变量，作为生成模型的输入数据，需要对其不断进行训练，形成接近于训练集中真实数据的样本。

4.根据权利要求3所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(2)中，当获取的滑动定向训练数据集中包含错误乱码、无效数据时，需要对原始数据进行处理，数据处理包含数据清洗和数据集成；数据整理包括数据剪裁与多数据块叠合、提取数据类别标签。

5.根据权利要求4所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(2)中，随机噪声输入生成模型后，生成模型学习滑动定向数据训练集中真实的数据分布，使生成的伪装数与滑动定向数据训练集中的真实数据保持一致，生成最大可能服从真实数据的数据样本。

6.根据权利要求5所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(3)中，滑动定向原始数据和生成模型生成的数据样本输入判别模型后，判别模型判别输入数据是来自真实数据还是来自生成模型。

7.根据权利要求6所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(3)中，如果判别模型能正确判断输入数据的来源时，重新产生一个随机噪声，形成新的生成模型，判别模型重新进行判断，当判别模型无法正确判别数据来源时，认为该生成模型为滑动定向参数生成模型。

8.根据权利要求7所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(3)中，基于GAN的对抗网络计算流程如下：

a、用可微分函数D和G来分别表示判别模型和生成模型，D输入为真实数据x和G(z)，G的输入为随机变量z；其中，G(z)则为由G生成的尽量服从真实数据分布的数据样本；

b、如果判别模型的输入来自真实数据，标注为1，如果输入样本为G(z)，标注为0；

c、D的目标是实现对数据来源的二分类判别，判断数据是真(真实数据x的分布)或者伪(生成模型的伪数据G(z))；而G的目标是使自己生成的伪数据G(z)在D上的表现D(G(z))和真实数据x在D上的表现D(x)一致；

d、D和G相互对抗并迭代优化，使D和G的性能不断提升，当最终D的判别能力提升到无法正确判别数据来源时，认为这个生成模型G已经学到了真实数据的分布，该生成模型G即为滑动定向参数的生成模型。

9.根据权利要求8所述的滑动定向钻井模拟机实现方法，其特征在于：所述步骤(4)中，利用滑动定向参数生成模型自动生成多类别的滑动定向数据，对有效数据进行提取，获取有效扩增数据，形成扩增滑动数据集，实现利用对抗网络模拟滑动定向参数的目的。