[发明专利]一种井壁失稳机制分析与预测方法及系统

权利要求书

1.一种井壁失稳机制分析与预测方法，其特征在于：所述方法采集钻井过程中的参数并构建钻完井资料数据库；

通过对钻完井资料数据库中的数据进行降维处理，获得安全风险关联参数，并建立安全风险预警样本库；

以安全风险关联参数为输入参数，以井径扩大率为输出参数形成井壁失稳分析及预测模型；

利用所述井壁失稳分析及预测模型进行井壁失稳分析和预测。

2.根据权利要求1所述的井壁失稳机制分析与预测方法，其特征在于：所述方法包括：

(1)收集深井超深井钻井过程中井壁失稳过程的各类相关资料，并将资料中的数据汇总存入数据库，然后抓取关键参数；

(2)对抓取的关键参数进行预处理，并将预处理后的数据存入钻完井资料数据库；

(3)利用钻完井资料数据库中的全因素特征参数建立安全风险预警样本库；

(4)基于数据挖掘算法，以安全风险关联参数为输入参数，以井径扩大率为输出参数，以收集到的测井实测的井径扩大率的真实值为标准，获得井壁失稳分析及预测模型；

(5)从需要分析井壁稳定的油气井开钻至今的资料中获得安全风险关联参数，将安全风险关联参数输入井壁失稳分析及预测模型，井壁失稳分析及预测模型输出预测的井径扩大率。

3.根据权利要求2所述的井壁失稳机制分析与预测方法，其特征在于：所述步骤(1)中的各类相关资料包括：地层资料、钻井液资料及测井相关资料；

所述步骤(1)中采用爬虫技术抓取关键参数。

4.根据权利要求3所述的井壁失稳机制分析与预测方法，其特征在于：所述步骤(3)中的全因素特征参数包括22个参数，分别为：大地坐标、构造类型、构造部位、地层走向、断层位置、地层接触关系、地应力、岩石力学参数、裂缝宽度、孔隙度、渗透率、泵压、钻时、悬重、液面变化、钻井液密度、排量、流变性、粒度分布、API失水量、钻井液K⁺浓度、井径扩大率。

5.根据权利要求4所述的井壁失稳机制分析与预测方法，其特征在于：所述步骤(3)的操作包括：

收集电阻率测井获得的实测的井径扩大率的真实值，并对层位、深度、岩性相似地层的井径扩大率进行归一化处理；

根据重要性对全因素特征参数中的除井径扩大率以外的21个参数进行降维处理，将重要性排名前10的10个参数作为安全风险关联参数，并将安全风险关联参数存入安全风险预警样本库中。

6.根据权利要求2所述的井壁失稳机制分析与预测方法，其特征在于：所述步骤(4)中的数据挖掘算法采用：径向基神经网络模型、BP神经网络、Hopfield网络、ART网络或者Kohonen网络。

7.根据权利要求4所述的井壁失稳机制分析与预测方法，其特征在于：所述方法进一步包括：

(6)从安全风险关联参数中找到与钻井液相关的特征参数，并根据特征参数和预测的井径扩大率对井壁稳定钻井液工艺进行调整。

8.根据权利要求7所述的井壁失稳机制分析与预测方法，其特征在于：所述步骤(6)的操作包括：

根据预测的井径扩大率与安全风险关联参数的映射关系，获得安全风险关联参数中的各个参数的权重，根据权重排序靠前的与钻井液相关的特征参数提出钻井液调整方案。

根据钻井液调整方案，利用钻井液性能调整专家系统得到钻井液性能优化的钻井液配方。

9.根据权利要求4所述的井壁失稳机制分析与预测方法，其特征在于：所述方法进一步包括：

(7)将步骤(5)得到的安全风险关联参数存入安全风险预警样本库中，并将步骤(5)得到的安全风险关联参数和与其对应的井径扩大率作为下一次的训练样本。

10.一种井壁失稳机制分析与预测系统，其特征在于：所述系统包括：

数据采集单元，用于收集深井超深井钻井过程中井壁失稳过程的各类相关资料，并将资料中的数据汇总存入数据库，然后抓取关键参数；

预处理单元，与所述数据采集单元连接，用于对抓取的关键参数进行预处理，并将预处理后的数据存入钻完井资料数据库；

样本库生成单元，与所述预处理单元连接，用于利用钻完井资料数据库中的全因素特征参数建立安全风险预警样本库；

模型生成单元，与所述样本库生成单元连接，用于基于数据挖掘算法，以安全风险关联参数为输入参数，以井径扩大率为输出参数，以收集到的测井实测的井径扩大率的真实值为标准，获得井壁失稳分析及预测模型；

预测分析单元：与所述模型生成单元连接，用于从需要分析井壁稳定的油气井开钻至今的资料中获得安全风险关联参数，将安全风险关联参数输入井壁失稳分析及预测模型，井壁失稳分析及预测模型输出预测的井径扩大率。