本发明涉及油气勘探与开发领域,具体涉及一种随钻电成像数据井下实时处理装置及方法,采用该方案可在随钻电阻率测量过程中直接在井下对电成像数据进行实时处理,提取需要的特征信息并实时传递回地面,提高随钻过程中决策的准确性和可控性。
背景技术:
1、近年来,为了适应高角度井和水平井等愈发恶劣的测井环境,指导钻井施工需要更全面可靠的数据支持,随钻测井技术已成为及时准确获取钻井和地质资料的重要手段。其中,随钻电阻率成像测井在实时井场数据采集、解释、现场决策以及指导地质导向钻井中起着关键作用。
2、随着随钻仪器的研发进度不断提升,井下数据的收集和存储已经逐步解决,但受随钻数据传输速度的限制,现阶段随钻仪器采取的数据处理策略都是将井下成像数据批量本地存储,等后续起钻后才能将数据导出,再由地面工程师进行调取分析,对地层的裂缝、溶洞、层界面等特征进行识别,进而对地层进行精细评价。显然这种处理方式数据时效性较差,灵活性不足,且对井下仪器的存储要求较高。
3、公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成己为本领域技术人员所公知的现有技术。
技术实现思路
1、为解决上述问题,本发明提供了一种随钻电成像数据井下实时处理装置及方法,本发明的主要目的是通过在井下环境中对随钻电阻率成像数据进行实时的智能识别和特征提取,仅传递少量识别得到的需求提示信息,克服现阶段随钻电成像仪器的数据传输速度问题,帮助地面工程师实时获取更多的地层信息,快速现场决策,降低钻井风险,提升测井效果和钻井效率。在一个实施例中,所述装置包括:
2、井下成像模块,其配置为在井下环境利用随钻电阻率成像仪器采集需求地层的电阻率成像数据;
3、智能识别模块,其与所述井下成像模块连接,通过嵌入了设定智能特征识别模型的芯片结构对采集的电阻率成像数据进行分析识别,确定对应的测井地层特征,并与匹配的地层参数关联融合为特征识别结果;
4、实时通信模块,其配置为当存在融合的特征识别结果时,基于设定的传输协议将其传输至地上控制系统;
5、其中,所述智能特征识别模型是由模型构建模块预先基于设定的图像数据处理策略和机器学习算法构建的。
6、优选地,一个实施例中,所述井下成像模块采集的电阻率成像数据包括需求深度对应井周360°地层的电阻率二维阵列数据。
7、进一步地,一个实施例中,所述智能识别模块为通过高温高压测试的芯片结构,高温高压测试前,使用fpga连接器和arm连接器将设定智能特征识别模块的算法程序以井区类型为标签分类导入芯片结构中。
8、一个可选的实施例中,所述模型构建模块通过以下操作构建所述智能特征识别模型:
9、步骤a1、依据设定的逻辑获取各井区类型匹配的样本数据;
10、步骤a2、基于样本数据划分训练样本库和测试样本库;
11、步骤a3、基于训练样本采用基于神经网络的最小二乘回归算法训练进行迭代更新训练,优化确定模型对应的关键参数,利用测试样本根据交叉验证法检验模型的准确性,直至满足设定的训练条件。
12、具体地,一个实施例中,所述模型构建模块执行以下操作以获取各井区类型匹配的样本数据:
13、a1、考虑井区类型的多样性分别统计设定规模的随钻电阻率成像数据;
14、a2、对各井区类型的随钻电阻率成像数据进行预处理;
15、a3、识别获取预处理后随钻电阻率成像数据表征的地层特征数据;
16、a4、基于获取的地层特征数据对关联的随钻电阻率成像数据进行标注,统计所有关联标注的组合数据作为样本数据集,以井区类型为标签进行分类存储。
17、进一步地,一个实施例中,所述模型构建模块对各井区类型的随钻电阻率成像数据进行预处理时,包括以下操作:
18、对收集到的随钻电成像数据采用otsu自动阈值分割法进行阈值分割获得二值图像,进而采用设定参数的邻域计算方式计算连通域,将其进行区域分割。
19、一个可选的实施例中,所述井下通信模块还设置有传输决策单元,其配置为对存在的特征识别结果进行可用性判识,若确定特征识别结果中存在当前深度地层需求的特征,则生成上传指令。
20、进一步地,一个实施例中,所述装置还包括井下数据质控模块,其配置为对井下采集的电阻率成像数据实时地进行坏点剔除、均衡处理、增益调整以及阈值分割处理,以控制特征识别输入数据的质量。
21、考虑应用的其他方面,一个实施例中,所述装置还包括施工辅助模块,其配置为根据识别得到的周期性地层特征结果进行分析,决策施工建议数据并传输至地上控制系统。
22、基于上述任意一个或多个实施例所述装置的其他方面,本发明还提供一种随钻电成像数据井下实时处理方法,该方法包括:
23、井下成像步骤、利用井下的随钻电阻率成像仪器采集需求地层的电阻率成像数据;
24、井下识别步骤、基于当前数据的井区类型调用井下芯片结构中嵌入的设定智能特征识别模型,对电阻率成像数据进行分析识别,确定对应的测井地层特征,并与匹配的地层参数关联融合为特征识别结果;
25、实时通信步骤、当存在融合的特征识别结果时,基于设定的传输协议将其传输至地上控制系统;
26、其中,所述智能特征识别模型是由模型构建模块预先基于设定的图像数据处理策略和机器学习算法构建的。
27、与最接近的现有技术相比,本发明还具有如下有益效果:
28、本发明提供的一种随钻电成像数据井下实时处理装置及方法,本发明通过建立基于智能算法的随钻电阻率成像数据地层特征识别模型;将建好的智能模型算法嵌入到芯片模块中;利用随钻电阻率成像仪器采集地层的电阻率成像数据;对随钻电阻率成像数据进行质量处理;利用芯片模块对采集到的随钻电成像数据进行实时特征识别;发送对应的深度点和特征识别结果指令给地面。本发明建立基于智能算法的随钻电阻率成像数据地层特征识别模型进行实时特征识别,克服了现有技术地面获取数据的时间局限性,改善数据传达机制,帮助地面工程师及时获取有效地层信息,从而为工作人员现场决策和调整钻井施工参数提供数据支持,有效降低钻井风险优化钻井作业的质量的同时,提升了整体随钻测井技术的操作可控性和实用性。
29、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
1.一种随钻电成像数据井下实时处理装置,其特征在于,所述装置包括:
2.根据权利要求1所述的装置,其特征在于,所述井下成像模块采集的电阻率成像数据包括需求深度对应井周360°地层的电阻率二维阵列数据。
3.根据权利要求1所述的装置,其特征在于,所述智能识别模块为通过高温高压测试的芯片结构,高温高压测试前,使用fpga连接器和arm连接器将设定智能特征识别模块的算法程序以井区类型为标签分类导入芯片结构中。
4.根据权利要求1所述的装置,其特征在于,所述模型构建模块通过以下操作构建所述智能特征识别模型:
5.根据权利要求4所述的装置,其特征在于,所述模型构建模块执行以下操作以获取各井区类型匹配的样本数据:
6.根据权利要求5所述的装置,其特征在于,所述模型构建模块对各井区类型的随钻电阻率成像数据进行预处理时,包括以下操作:
7.根据权利要求1所述的装置,其特征在于,所述井下通信模块还设置有传输决策单元,其配置为对存在的特征识别结果进行可用性判识,若确定特征识别结果中存在当前深度地层需求的特征,则生成上传指令。
8.根据权利要求1所述的装置,其特征在于,所述装置还包括井下数据质控模块,其配置为对井下采集的电阻率成像数据实时地进行坏点剔除、均衡处理、增益调整以及阈值分割处理,以控制特征识别输入数据的质量。
9.根据权利要求1所述的装置,其特征在于,所述装置还包括施工辅助模块,用于根据识别得到的周期性地层特征结果进行分析,决策施工建议数据并传输至地上控制系统。
10.一种应用于如权利要求1~9中任意一项所述装置的随钻电成像数据井下实时处理方法,其特征在于,所述方法包括: