[发明专利]滑动定向钻井模拟机实现方法

说明书

本发明公开了一种滑动定向钻井模拟机实现方法，包括如下步骤：获取滑动定向训练数据集，同时生成随机噪声；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；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；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。本发明通过提供滑动定向训练数据集，并进行数据处理和数据整理，为判断模型提供有效真实数据，通过生成模型生成数据样本，为判断模型提供生成数据。判别模型判断数据来源，生成对抗网络（GAN），形成滑动定向数据模型，利用此模型自动生成多类别的滑动定向数据，实现利用对抗网络模拟滑动定向参数的目的。

技术领域

本发明涉及一种滑动定向钻井模拟机实现方法，用于滑动钻井定向数据的获取，属于石油天然气钻井数据处理领域。

背景技术

目前，滑动钻井定向数据的获取仍然以传统数学模型计算和仪器采集为主。采用传统数学模型计算的方式虽然成本低，但存在误差大、适用范围窄及限制条件多的问题，并且随着勘探开发不断向深部地层迈进，井下情况越来越复杂，常规数学模型难以充分考虑井下各种复杂条件，因此多数模型尚不成熟，无法实现精确获取滑动钻井定向数据。采用MWD、录井系统等仪器获取滑动钻井定向数据，相较于传统数学模型在数据精度和实效性上大幅提高，但存在成本高、安装周期长、故障频换、数据质量差等问题，这无疑增加了滑动钻井成本，同时影响了数据的有效性。

发明内容

本发明的目的在于克服现有技术存在的上述问题，提供一种滑动定向钻井模拟机实现方法。本发明通过提供滑动定向训练数据集，并进行数据处理和数据整理，为判断模型提供有效真实数据，通过生成模型生成数据样本，为判断模型提供生成数据。在此基础上，判别模型判断数据来源，生成对抗网络(GAN)，形成滑动定向数据模型，利用此模型自动生成多类别的滑动定向数据，实现利用对抗网络模拟滑动定向参数的目的。

为实现上述目的，本发明采用的技术方案如下：

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；

(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；

(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。

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。

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。

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。

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。

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。

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。

所述步骤(3)中，基于GAN的对抗网络计算流程如下：