[发明专利]随钻地质导向实时地层格架智能更新方法与系统

权利要求书

1.一种随钻地质导向实时地层格架智能更新方法，其特征在于，所述方法包括：

步骤S100，获取现有井资料并实时采集测井数据和随钻成像图像；

步骤S200，基于所述现有井资料，构建初始地层格架模型；

步骤S300，基于所述测井数据，进行剔除异常值的预处理，获得有效测井数据；具体为：

通过孤立森林算法剔除异常值，具体包括：

步骤S310，选取10种测井数据和钻井数据，测井数据包括：AC、CNL、RD、RS、COND、GR和DEN；钻井数据包括钻速、转速和钻压，选取所述测井数据和钻井数据进行排列组合建立待处理数据集；

步骤S320，将待处理数据集中的待处理数据组合表示为，，其中表示数据点，从测井数据中随机抽取个数据点构成子集存入根节点；

步骤S330，从测井数据中随机选定一个维度q，在维度q中随机产生一个切割点p；其中切割点p满足；

步骤S340，根据切割点p生成将维度q中数据划分为两个子空间的超平面，指定数值小于p的数据点放入第一叶子节点，数值大于或等于p的数据点放入第二叶子节点；

步骤S350，递归步骤S330-步骤S340直至所有的叶子节点都只有一个数据点或孤立树已经达到预设的高度；

步骤S360，重复步骤S320-步骤S350的方法直至生成T个孤立树；其中，T个孤立树表示：孤立树没有叶子节点的外部节点，或有两个叶子节点和一个内部节点test；在T个孤立树的内部节点test由维度q和一个分割点p组成，qp的点属于，反之属于；

步骤S370，所述T个孤立树即为孤立树森林，令每个数据点遍历每一个孤立树，计算数据点在每一个孤立树的高度即数据点从所在孤立树的根节点到叶子节点经过的边的数量；从而计算数据点在孤立树森林中的平均高度，对所有数据点的平均高度做归一化处理，获得归一化的数据点平均高度；

步骤S380，基于所述归一化的数据点平均高度，计算异常值分数：

其中，表示个数据点所构建的二叉树路径长度的平均值，E（*）表示期望；

其中，表示调和数，通过估算，为欧拉常数；

当所述异常值分数小于预设的异常值阈值s时，将对应的数据点剔除，获得有效测井数据，，，表示有效测井数据中的数据点数；

步骤S390，重复步骤S320-步骤S380的方法选取未被选中过的待处理数据组合计算有效测井数据，选取精准率达到预设的第一精准阈值且准确率最高的有效测井数据进行后续步骤；

步骤S400，基于所述有效测井数据进行非线性降维，获得降维测井数据；

所述步骤S400，为通过t-SNE方法对有效测井数据进行非线性降维，具体包括：

步骤S410，基于所述有效测井数据，选取任意点和，，，其中服从以为中心且方差为的高斯分布，服从以为中心且方差为的高斯分布；则和相似的条件概率为：

其中，用户可根据指定困惑度Perp，困惑度的定义为：，表示高斯分布的香农信息熵：

数据点与相似的条件概率在全部数据点中两两相似度的联合概率为：

其中，表示和相似的条件概率；

步骤S420，假设基于所述有效测井数据构建降维测井数据集为，在步骤S420中，有效测井数据相对于降维测井数据集为高维空间中的数据，计算数据点与在降维测井数据集中对应的模拟点与的联合概率：

其中，，和表示降维测井数据集中不相同的两个点，，每个联合概率的计算遍历所有降维测井数据集中不相同的两个点；

步骤S430，基于所述数据点与相似的条件概率在全部数据点中两两相似度的联合概率，及数据点与在降维测井数据集中对应的模拟点与的联合概率，通过KL散度来度量降维测井数据集概率分布Q和有效测井数据的高维空间概率分布P之间的相似度：

所述相似度的值越小表示降维测井数据集模拟点的模拟正确性越高；

通过梯度下降法使KL散度取最小值：

获得降维测井数据集；

保留降维测井数据集的前两个维度，其余维度删除，得到降维测井数据，即选出能够解释最多内容的两个维度的降维测井数据集；

步骤S500，基于所述降维测井数据，通过密度峰值聚类方法进行非线性聚类并结合岩心和随钻成像测井进行交互式定量评价，获得贴标签的测井数据聚类簇；

具体包括：

步骤S510，计算所有降维测井数据的数据点之间的欧式距离：

e表示降维测井数据的维度；

步骤S520，根据聚类数量的需求，设置截断距离dc；

步骤S530，基于所述截断距离计算每一个节点的密度：

的意义是指与节点距离小于dc的节点的个数；

步骤S540，计算每个节点间的相对距离：

步骤S550，以所述密度为横坐标，以所述相对距离为纵坐标，绘制二维图，确定聚类中心的点，将所有的数据点归到最邻近且密度比其大的数据点中，获得测井数据聚类簇；

步骤S560，基于所述测井数据聚类簇，通过基于标志层特征图版，应用对应深度的岩心、随钻成像测井对所述测井数据聚类簇进行交互式定量评价，获得贴标签的测井数据聚类簇；

步骤S600，基于所述测井数据聚类簇，通过基于深度信念网络的标志层预测模型获得标志层的初步预测结果；

步骤S700，通过所述标志层初步预测结果对所述地层格架模型进行深度矫正和倾角倾向矫正，获得矫正后的地层格架模型，并根据矫正后的地层格架模型调整钻井轨迹。