基于云端大数据的智能导向钻井技术方法

作     者：底青云 李守定 付长民 吴思源 王啸天 DI Qingyun;LI Shouding;FU Changmin;WU Siyuan;WANG Xiaotian

作者机构：中国科学院地质与地球物理研究所中国科学院页岩气与地质工程重点实验室北京100029 中国科学院地质与地球物理研究所中国科学院深地资源装备技术工程实验室北京100029 中国科学院地球科学研究院北京100029 中国科学院大学地球与行星科学学院北京100049 

出 版 物：《工程地质学报》 (Journal of Engineering Geology)

年 卷 期：2021年第29卷第1期

页      面：162-170页

核心收录：

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：中国科学院战略性先导科技专项(A类)(资助号:XDA14040401,XDA14050100,XDA14050300) 中国科学院科研仪器设备研制项目(资助号:YJKYYQ20190043) 中国科学院地质与地球物理研究所重点部署项目(资助号:IGGCAS-201903,SZJJ201901) 

主　　题：智能导向钻井 大数据 随钻测井 

摘      要：导向钻井技术方法是21世纪全球石油工业最重要的技术之一,也是美国页岩气革命核心技术水平钻井的关键组成部分。当前,导向钻井的主要研究目标是提高钻井速度、降低钻井时间和风险,智能化是目标实现的重要途径。文章分析了国内外大数据与人工智能在石油工业应用情况,建立了云端大数据智能导向钻井方法架构,提出了随钻测井参数人工智能反演与识别方法,指出了云端大数据与智能算法管理的实现途径,得出如下结论:(1)基于云端大数据智能导向钻井方法主要包括物联网感知层、大数据存储层和云平台决策层。物联网感知层实现井场关键信息的采集并传输至大数据中心;大数据中心支持数据存储与云管理;云平台决策层依托大数据中心的海量数据,进行云端地面软件控制、人工智能决策以及云平台管理。(2)采用机器学习的方法智能反演与识别地层岩性,选择自然电位、自然伽马、密度、声波、补偿中子、电阻率等6条随钻测井数据,分别采用不同的机器学习算法进行地层岩性反演与识别,决策树模型和随机森林模型分别达到0.81和0.89的准确度,形成了一套可快速自动描述岩性特性分类的方案。(3)云端平台管理决策可进行井下实时数据解码,获取钻井轨迹和测井曲线,其中云端人工智能决策模块对地层及钻井参数进行智能反演预测,可实现钻井轨迹智能修正和钻井参数智能优化,保证智能导向工程钻得准、钻得快。