全网唯一标准王
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111482929.9 (22)申请日 2021.12.07 (71)申请人 西南石油大 学 地址 610000 四川省成 都市新都区新都大 道8号 (72)发明人 付建红 陈一凡 彭炽 白璟  刘伟 张超越 董广建 李兆丰  (74)专利代理 机构 成都朗镜专利代理事务所 (特殊普通 合伙) 51319 代理人 王镜 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 基于机器学习的钻井参数优化方法 (57)摘要 本发明公开了一种基于机器学习的钻井参 数优化方法, 包括: 采集钻井所在区域的地层特 征参数, 并对地层特征参数进行预处理; 对预处 理的地层特征参数进行地层特征聚类; 结合聚类 后的地层特征和钻井参数, 并利用BP神经网络或 循环神经网络进行机械钻速预测, 并构建获得钻 井参数优化模型。 通过上述方案, 本发明具有逻 辑简单、 准确可靠等优点, 在钻井技术领域具有 很高的实用价 值和推广价 值。 权利要求书2页 说明书10页 附图11页 CN 114139458 A 2022.03.04 CN 114139458 A 1.基于机器学习的钻井参数优化方法, 其特 征在于, 包括以下步骤: 采集钻井所在区域的地层特 征参数, 并对地层特 征参数进行 预处理; 对预处理的地层特 征参数进行地层特 征聚类; 结合聚类后的地层特征和钻井参数, 并利用BP神经网络或循环神经网络进行机械钻速 预测, 并构建获得钻井参数优化模型。 2.根据权利要求1所述的基于机器学习的钻井参数优化方法, 其特征在于, 所述地层特 征参数包括地层岩性参数、 泥质含量、 抗压强度、 抗剪强度、 内摩擦角、 内摩 擦力、 岩石硬度、 可钻性极值和岩石研磨性 参数。 3.根据权利要求1所述的基于机器学习的钻井参数优化方法, 其特征在于, 对地层特征 参数进行 预处理, 包括数据清理、 离 散处理、 归一化和数据降维。 4.根据权利要求1所述的基于机器学习的钻井参数优化方法, 其特征在于, 采用K ‑ means算法、 MeanShif算法、 BDSCAN算法、 模糊聚类、 基于高斯混合模型的期望最大化聚类其 中之一对地层特 征参数进行地层特 征聚类。 5.根据权利要求4所述的基于机器学习的钻井参数优化方法, 其特征在于, 还包括对聚 类前后的地层特征进 行地层岩石力学标准差和变异系数对比, 以获得同一类别的地层特征 对应的数据。 6.根据权利要求1或2或3或4所述的基于机器学习的钻井参数优化方法, 其特征在于, 采用BP神经网络进行机 械钻速预测, 其包括以下步骤: 第一步, 对数据进行归一 化处理, 其表达式为: 其中, Xk表示输入样本; 表示输入样本的一个特征; Ck表示归一化后的输入样本; cmk 表示归一 化后的输入样本的一个特 征; k表示输入样本的数量; 给任一输入样本的信号源的权 重ωij, 阈值 μjt随机赋值; 第二步, 求得BP神经网络中隐藏层和输出层任一神经 元的输入和输出, 其表达式为: 其中, 表示隐藏层神经元的输出; 表示输出层神经元的输出; m表示隐藏层神经元 总数; n表示输出层神经 元总数; 第三步, 求得输出层和隐藏层的误差, 其表达式为: 其中, 表示输出层的误差; 表示隐藏层误差; 第四步, 更新权 重和阈值, 其表示 为:权 利 要 求 书 1/2 页 2 CN 114139458 A 2其中, r表示误差修正次数; η表示学习率; α 表示动量系数; 第五步, 设k =k+1, 重复第二 步至第五步, 直到训练完成全部的k 值, 再执行第六步; 第六步, 添加误差函数值, 其表示 为: 其中, Loss表示误差函数值, Ek表示单次误差值; 第七步, 重复步骤第二 步至第六步, 直至误差函数值小于预设的误差值。 7.根据权利要求1或2或3或4所述的基于机器学习的钻井参数优化方法, 其特征在于, 采用循环神经网络进行机 械钻速预测, 其包括以下步骤: 第一步, 将聚类后的地层特征对应的数据依次输入至循环神经网络的更新门, 其表达 式为: zt=σ(Wz·[ht‑1,xt]+bf)             (3‑1) 其中, zt表示指更新门; ht‑1表示同层上一个神经元的输出信号; ht表示本次神经元的输 出信号; xt表示本次神经元的输入; Wz表示更新门的权重; σ 表示sigmoid函数; [ ]表示表连 接向量; 第二步, 将经过更新门的数据输入至 重置门, 其表达式为: rt=σ(Wr·[ht‑1,xt])                 (3‑2) 其中, rt表示重置门; Wr表示重置门的权 重; 第三步, 求得待定的输出值, 其表达式为: 其中, 表示待定 输出值; 表示待定 输出值所占权 重; 表示待定 输出值的补偿值; 第四步, 求得最终的输出值及信号的输出ht, 其表达式为: 其中, 表示待定 输出值。权 利 要 求 书 2/2 页 3 CN 114139458 A 3

.PDF文档 专利 基于机器学习的钻井参数优化方法

文档预览
中文文档 24 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共24页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于机器学习的钻井参数优化方法 第 1 页 专利 基于机器学习的钻井参数优化方法 第 2 页 专利 基于机器学习的钻井参数优化方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 22:29:01上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。