本申請涉及石油勘探，特別涉及一種參數預測模型的訓練方法、抗鉆特性參數預測方法及設備。

背景技術：

1、在油氣田的鉆井過程中，鉆進速度受到諸多地質因素的影響，抗鉆特性參數作為優化鉆進速度的重要依據，其包括：可鉆性級值、巖石研磨性、巖石抗壓強度等指標。抗鉆特性參數值通常是基于室內實驗、測井數據和地震數據插值融合得到的結果。但是在礦場鉆井過程中，受限于成本問題，無法獲得所有鄰井區域的測井和地震數據。

2、常見的基于錄井數據預測地層抗鉆特性參數的流程，往往只能考慮經驗公式中的參數，難以與其它測量手段協同預測地層抗鉆特性參數。對于深井和超深井的復雜巖性地層，同一井段的溫度、壓力和地應力等參數變化復雜，也難以通過經驗公式和空間插值的方式來進行待鉆和正鉆井段的地層抗鉆特性參數的預測。

技術實現思路

1、本申請提供了一種參數預測模型的訓練方法、抗鉆特性參數預測方法及設備，能夠提高預測地層抗鉆特性參數的準確度。該技術方案如下：

2、一方面，本申請實施例提供了一種參數預測模型的訓練方法，包括：

3、基于樣本井的鉆井資料獲取樣本測井數據以及樣本錄井數據；

4、融合所述樣本測井數據和所述樣本錄井數據構建樣本數據集；

5、利用所述樣本數據集對參數預測模型進行迭代訓練，所述參數預測模型基于貝葉斯最大熵算法構建得到，用于基于目標井的實時錄井數據進行參數預測，輸出所述目標井的抗鉆特性參數，所述抗鉆特性參數包括可鉆性極值、研磨系數、巖石抗拉強度以及巖石抗壓強度中的至少一種。

6、另一方面，本申請實施例提供了一種抗鉆特性參數預測方法，包括：

7、獲取目標井的實時錄井數據和實時測井數據；

8、將所述實時錄井數據和所述實時測井數據輸入參數預測模型，得到所述目標井的抗鉆特性參數，所述參數預測模型是基于貝葉斯最大熵算法構建，利用樣本數據集對進行迭代訓練得到的，所述抗鉆特性參數包括可鉆性極值、研磨系數、巖石抗拉強度以及巖石抗壓強度中的至少一種。

9、另一方面，本申請實施例提供了一種參數預測模型的訓練裝置，包括：

10、第一獲取模塊，用于基于樣本井的鉆井資料獲取樣本測井數據以及樣本錄井數據；

11、數據融合模塊，用于融合所述樣本測井數據和所述樣本錄井數據構建樣本數據集；

12、模型訓練模塊，用于利用所述樣本數據集對參數預測模型進行迭代訓練，所述參數預測模型基于貝葉斯最大熵算法構建得到，用于基于目標井的實時錄井數據進行參數預測，輸出所述目標井的抗鉆特性參數，所述抗鉆特性參數包括可鉆性極值、研磨系數、巖石抗拉強度以及巖石抗壓強度中的至少一種。

13、另一方面，本申請實施例提供了一種抗鉆特性參數預測裝置，包括：

14、第二獲取模塊，用于獲取目標井的實時錄井數據和實時測井數據；

15、參數預測模塊，用于將所述實時錄井數據和所述實時測井數據輸入參數預測模型，得到所述目標井的抗鉆特性參數，所述參數預測模型是基于貝葉斯最大熵算法構建，利用樣本數據集對進行迭代訓練得到的，所述抗鉆特性參數包括可鉆性極值、研磨系數、巖石抗拉強度以及巖石抗壓強度中的至少一種。

16、另一方面，本申請實施例提供了一種電子設備，所述電子設備包括存儲器和處理器；所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時實現如上述方面所述的方法。

17、另一方面，本申請實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序由處理器加載并執行以實現如上述方面所述的方法。

18、本申請提供的技術方案至少包括以下有益效果：

19、本申請提供的參數預測模型的訓練方法、抗鉆特性參數預測方法及設備，通過融合鉆井過程中的測錄井數據，基于貝葉斯最大熵算法構建參數預測模型，提高了在深層和特深層油藏的鉆井過程中的地層抗鉆特性參數預測的精確度，適用于深層、特深層和頁巖油氣等復雜地質環境以及定向井和水平井等復雜井眼條件，能夠實時預測地層抗鉆特性參數，為鉆井的提速提供有效指導。

技術特征：

1.一種參數預測模型的訓練方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述融合所述樣本測井數據和所述樣本錄井數據構建樣本數據集，包括：

3.根據權利要求1所述的方法，其特征在于，所述利用所述樣本數據集對參數預測模型進行迭代訓練，包括：

4.根據權利要求3所述的方法，其特征在于，所述樣本抗鉆特性參數包括可鉆性極值、研磨系數、巖石抗拉強度以及巖石抗壓強度中的至少一種；

5.一種抗鉆特性參數預測方法，其特征在于，包括：

6.根據權利要求5所述的方法，其特征在于，所述獲取目標井的實時錄井數據和實時測井數據，包括：

7.一種參數預測模型的訓練裝置，其特征在于，包括：

8.一種抗鉆特性參數預測裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括存儲器和處理器；所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至4中任一項所述的方法，或，權利要求5或6所述的方法。

10.一種計算機可讀存儲介質，其特征在于，存儲有計算機程序，所述計算機程序由處理器加載并執行以實現如權利要求1至4中任一項所述的方法，或，權利要求5或6所述的方法。

技術總結
本申請提供了一種參數預測模型的訓練方法、抗鉆特性參數預測方法及設備，屬于石油勘探技術領域。該方法包括：基于樣本井的鉆井資料獲取樣本測井數據以及樣本錄井數據；融合樣本測井數據和樣本錄井數據構建樣本數據集；利用樣本數據集對參數預測模型進行迭代訓練，參數預測模型基于貝葉斯最大熵算法構建得到。獲取目標井的實時錄井數據；將實時錄井數據輸入參數預測模型，得到目標井的抗鉆特性參數。提高了在深層和特深層油藏的鉆井過程中的地層抗鉆特性參數預測的精確度，適用于深層、特深層和頁巖油氣等復雜地質環境以及定向井和水平井等復雜井眼條件，能夠實時預測地層抗鉆特性參數，為鉆井的提速提供有效指導。

技術研發人員：馬帥,張洪寶,潘少偉,鮑洪志
受保護的技術使用者：中國石油化工股份有限公司
技術研發日：
技術公布日：2025/4/28