一种基于聚类算法的地层可钻性评价方法及系统与流程

本发明涉及油气钻井工程，尤其是涉及一种基于聚类算法的地层可钻性评价方法及系统。

背景技术：

1、地层岩石的可钻性评级作为钻井工程设计、钻头选型以及钻井参数优化的重要依据，有利于准确判断钻井风险、降低钻井成本，实现安全、快速、低耗的钻探目标。常规的地层可钻性测定方法包括微钻头实验法、测井数据拟合法、工程数据回归法等，其中，微钻头实验作为研究岩石可钻性的最基础方法，其主要依靠实验数据，且传统的统计分析及机器学习模型等方法也离不开室内实验数据作为验证。

2、然而，受到岩心样品有限性、实验数据滞后性、数据处理复杂性等问题的限制，无法大批量高效获取覆盖全地层的地层岩石可钻性数据，同时，各类基于统计学构建的经验模型受区块、地层的影响较大，经常存在因钻头选型与地层不匹配使得钻井周期变长，导致井下事故频发。

技术实现思路

1、本发明旨在解决现阶段地层岩心取样难、室内实验开展不便所导致可钻性数据不可靠的问题，提供了一种基于聚类算法的地层可钻性评价方法，综合考虑了地层岩石性质和施工参数等多源数据对地层岩石钻进的影响，提高了钻头选型和钻井参数设计的精度，有利于缩短钻井周期。

2、为了解决上述技术问题，本发明实施例提供了一种基于聚类算法的地层可钻性评价方法，包括：获取待评价已钻井的钻井数据和测井数据；根据所述钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。

3、优选地，所述钻井数据包括螺杆钻具使用记录、井眼轨迹数据、地层分层数据、测井数据和录井数据，其中，所述螺杆钻具使用记录包括螺杆钻具的使用起止井段、螺杆型号和螺杆每转流量；所述井眼轨迹数据包括测深、垂深、井斜角和方位角；所述地层分层数据包括层号、层顶深度和层底深度；所述录井数据包括井深、钻时、钻压、转盘转速、排量和钻井液密度；所述测井数据包括地层各深度的纵波时差值、横波时差值、密度测井值、伽马测井值和泥质含量值。

4、优选地，所述聚类算法模型为k-means聚类算法模型，其中，在将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果的步骤中，包括：设置所述k-means聚类算法模型中聚类簇数的变化范围；将不同深度下的三项指标数据输入至所述k-means聚类算法模型中，分别计算不同聚类簇数下的轮廓分数和惯性系数，获得轮廓分数随聚类簇数变化特征和惯性系数随聚类簇数变化特征；基于所述轮廓分数随聚类簇数变化特征和所述惯性系数随聚类簇数变化特征，确定k-means聚类算法模型的最优聚类簇数量，获得基于最优聚类簇数量的k-means聚类算法模型；依据所述基于最优聚类簇数量的k-means聚类算法模型，对所述不同深度下的三项指标数据进行聚类分析，得到表征不同深度数据点对应聚类簇的整体聚类分析结果。

5、优选地，在根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果的步骤中，包括：根据所述整体聚类分析结果，分别计算每个聚类簇中所有数据点的钻时平均值及对应的标准差，从而确定每个聚类簇的聚类中心和样本数量；根据所述数据集，结合所述每个聚类簇的聚类中心和样本数量，绘制关于三项指标数据的三元交会图聚类结果；基于所述三元交会图聚类结果，绘制已钻井的钻时数据随井深变化的钻时分布特征，并对所述钻时分布特征上的各个数据点对应的聚类簇进行标记，得到地层可钻性随井深变化特征；根据所述地层可钻性随井深变化整体特征，统计已钻井地层中不同层序内各井深数据点对应的聚类簇，分别针对各类层序地层来绘制聚类分析结果统计图；基于不同类型层序地层的聚类分析结果统计图，获得每个层序地层下的各项聚类簇的钻时数据及对应的钻时平均值，从而绘制出用于评价已钻井实际可钻性定量特征的第一钻时变化曲线和平均钻时变化曲线，用以表征所述可钻性量化分布结果，所述钻时平均变化曲线根据每个连续井深数据点所属层序地层下的对应聚类簇的钻时平均值而形成。

6、优选地，在获得所述可钻性量化分布结果的步骤中，还包括：将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之间的差值作为所述第一钻时变化曲线和所述平均钻时变化曲线的下限值，以形成钻时下限值曲线；将基于层序地层分类后得到的聚类簇钻时平均值和对应聚类簇的标准差之和作为所述第一钻时变化曲线和所述平均钻时变化曲线的上限值，以形成钻时上限值曲线。

7、优选地，利用如下表达式计算所述钻时平均值：

8、；

9、其中，表示某一聚类簇的平均钻时，k表示聚类簇内数据点的序号，depthk表示聚类簇内第k个数据点所对应的录井井深，depthk-1表示聚类簇内第k-1个数据点所对应的录井井深，tk表示聚类簇内第个数据点的钻时数据。

10、优选地，所述地层可钻性评价方法还包括：对所述待评价已钻井的钻井数据和测井数据进行预处理，所述预处理包括：对所述钻井数据和测井数据进行异常点剔除；以录井数据深度刻度为基准，将所述钻井数据和测井数据进行深度校正；对所述钻井数据和测井数据进行井斜校正。

11、优选地，利用如下表达式对所述钻井数据中的钻压进行数据校正：

12、；

13、其中，wobe表示井底有效钻压，wob表示钻压，μs表征钻柱与井壁之间的摩擦系数，γb表示井斜角，η表示钻头水功率系数，ρb表示钻井液密度，q表示钻井液排量，a0表示钻头喷嘴的出口截面积；基于同一深度处的录井数据来校正所述测井数据，并利用如下表达式表示：

14、；

15、其中，xj表示在录井深度j处校正后的测井数据，i表示测井深度，j表示录井深度，δd表示相邻录井数据之间的井深间隔，xi表示测井深度处的测井数据，n表示测井数据的总数。

16、优选地，所述地层可钻性评价方法还包括：根据所述已钻井的邻井的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证。

17、优选地，在根据所述已钻井的邻井的钻井数据和测井数据，对当前已钻井的可钻性量化分布结果进行准确性验证的步骤中，包括：根据所述邻井的钻井数据和测井数据，计算包含邻井不同深度下三项指标数据的邻井数据集；将所述邻井数据集输入至预先构建的邻井聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到邻井的整体聚类分析结果；根据邻井整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到邻井在连续层序地层下的可钻性量化分布结果；对比同层位处邻井与已钻井的可钻性量化分布结果，并分析两者的一致性，用以验证对已钻井地层可钻性评价结果的准确性。

18、另一方面，本发明实施例还提供了一种计算机可读存储介质，其包含用于执行如上述所述的基于聚类算法的地层可钻性评价方法步骤的一系列指令。

19、另外，本发明实施例也提供了一种基于聚类算法的地层可钻性评价系统，包括：数据预处理模块，其配置为获取待评价已钻井的钻井数据和测井数据；数据集生成模块，其配置为根据所述钻井数据和测井数据，计算地层岩石可钻性级值指标数据、钻井机械比能指标数据和岩石单轴抗压强度指标数据，获得包含不同深度下三项指标数据的数据集；聚类分析模块，其配置为将所述数据集输入至预先构建的聚类算法模型中进行聚类分析，通过调整聚类簇数量，得到已钻井的整体聚类分析结果；可钻性定量评价模块，其配置为根据已钻井的整体聚类分析结果，划分不同井深处地层岩石的可钻性并进行量化表征，得到已钻井在连续层序地层下的可钻性量化分布结果。

20、与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

21、本发明提出了一种基于聚类算法的地层可钻性评价方法及系统。该方法及系统充分考虑了钻井施工和地层岩石性质对钻进速度的影响，选用可钻性级值、机械比能、岩石抗压强度等多种与岩石可钻性相关的参数进行聚类分析，准确获取地层岩石性质和施工参数等多源数据对地层岩石钻进难易的影响，解决了地层岩心取样难、室内实验开展不便、可钻性数据不连续的问题，有利于指导钻井设计过程中钻头选型和钻井参数设计的选择，有效降低了钻井参数设计和钻头选择上的误差，从而缩短钻井周期。

22、另外，本发明方法将无监督聚类模型与地层岩石可钻性级值数据、钻井机械比能数据和岩石单轴抗压强度数据相结合，扩大了聚类分析模型的包容性，且相比于传统的统计学方法采用单一数据进行岩石可钻性分析，本发明方法综合了测井数据、录井数据、钻井设计参数和钻井施工数据，提高了地层可钻性评价的精度。

23、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。