钻井误差预测方法及装置与流程

技术特征：
1.一种钻井误差预测方法，其特征在于，包括：获取待钻井的目标区域的基础资料完备性评估结果；将所述基础资料完备性评估结果输入预设的用于进行钻井成功性预测的机器学习模型中，并将该用于进行钻井成功性预测的机器学习模型的输出作为所述目标区域的钻井成功性预测结果；若根据所述目标区域的钻井成功性预测结果显示在该目标区域钻井能够成功，则获取该目标区域的成果资料完备性评估结果；将所述成果资料完备性评估结果输入预设的用于进行钻井误差预测的机器学习模型中，并将该用于进行钻井误差预测的机器学习模型的输出作为所述目标区域的钻井误差预测结果。2.根据权利要求1所述的钻井误差预测方法，其特征在于，所述获取待钻井的目标区域的基础资料完备性评估结果，包括：获取目标区域的基础资料，其中，该基础资料包括地震基础资料和测井基础资料；应用预设的合成地震记录标定方式和avo趋势分析方法对所述地震基础资料进行完备性评估，得到对应的地震资料完备性评估结果，其中，所述地震资料完备性评估结果用于表示合成地震记录的相关系数和avo趋势是否一致；对所述测井基础资料进行完备性评估，得到对应的测井资料完备性评估结果，其中，所述测井资料完备性评估结果用于表示所述测井基础资料中是否包含有测井数据分布空间面积、测井曲线是否涵盖目的层以及测井曲线是否包含有声波曲线和密度曲线。3.根据权利要求2所述的钻井误差预测方法，其特征在于，所述应用预设的合成地震记录标定方式和avo趋势分析方法对所述地震基础资料进行完备性评估，得到对应的地震资料完备性评估结果，其中，所述地震资料完备性评估结果用于表示合成地震记录的相关系数和avo趋势是否一致，包括：应用所述合成地震记录标定方式获取所述地震基础资料的合成地震记录的相关系数；以及，基于所述avo趋势分析方法获取所述地震基础资料的avo趋势数据；根据所述地震基础资料的合成地震记录的相关系数和avo趋势数据之间的一致性结果生成所述地震资料完备性评估结果。4.根据权利要求2所述的钻井误差预测方法，其特征在于，所述对所述测井基础资料进行完备性评估，得到对应的测井资料完备性评估结果，其中，所述测井资料完备性评估结果用于表示所述测井基础资料中是否包含有测井数据分布空间面积、测井曲线是否涵盖目的层以及测井曲线是否包含有声波曲线和密度曲线，包括：获取所述测井基础资料对应的测井数据分布空间范围，并根据该测井数据分布空间范围确定所述测井基础资料中是否包含有测井数据分布空间面积；获取所述测井基础资料对应的测井曲线深度，并根据该测井曲线深度确定所述测井基础资料中的测井曲线是否涵盖目的层；以及，获取所述测井基础资料对应的测井曲线类别，并根据该测井曲线类别确定所述测井基础资料中的测井曲线是否包含有声波曲线和密度曲线。5.根据权利要求1所述的钻井误差预测方法，其特征在于，所述用于进行钻井成功性预测的机器学习模型为前馈式机器学习模型。
6.根据权利要求1所述的钻井误差预测方法，其特征在于，在所述将所述基础资料完备性评估结果输入预设的用于进行钻井成功性预测的机器学习模型中之前，还包括：获取多份历史基础资料完备性评估结果以及对应得钻井成功性结果，其中，该钻井成功性结果用于表示钻井是否成功；将各个所述钻井成功性结果分别作为各个所述历史基础资料完备性评估结果对应的标签数据，以形成第一训练集；应用所述第一训练集对预设的前馈式机器学习模型进行模型训练，以得到所述用于进行钻井成功性预测的机器学习模型。7.根据权利要求1所述的钻井误差预测方法，其特征在于，所述若根据所述目标区域的钻井成功性预测结果显示在该目标区域钻井能够成功，则获取该目标区域的成果资料完备性评估结果，包括：获取目标区域的成果资料，其中，所述成果资料包括地震偏移成像结果资料和地震储层预测结果资料；对所述地震偏移成像结果资料进行完备性评估，得到对应的地震偏移资料完备性评估结果，其中，所述地震偏移资料完备性评估结果用于表示所述地震偏移成像结果资料中的声波测井曲线的分布面积是否涵盖钻井目标区、所述地震偏移成像结果资料是否包含有声波速度与速度模型的差异百分比、以及所述地震偏移成像结果资料中是否包含有合成地震记录与偏移结果相关系数；对所述地震储层预测结果资料进行完备性评估，得到对应的地震储层资料完备性评估结果，其中，所述地震储层资料完备性评估结果用于表示所述地震储层预测结果资料中的声波测井曲线的分布面积是否涵盖钻井目标区、所述地震储层预测结果资料中是否包含有声波速度与速度模型的差异百分比、以及所述地震储层预测结果资料中是否包含有合成地震记录与偏移结果相关系数。8.根据权利要求7所述的钻井误差预测方法，其特征在于，所述对所述地震偏移成像结果资料进行完备性评估，得到对应的地震偏移资料完备性评估结果，其中，所述地震偏移资料完备性评估结果用于表示所述地震偏移成像结果资料中的声波测井曲线的分布面积是否涵盖钻井目标区、所述地震偏移成像结果资料是否包含有声波速度与速度模型的差异百分比、以及所述地震偏移成像结果资料中是否包含有合成地震记录与偏移结果相关系数，包括：获取所述地震偏移成像成果资料对应的声波测井曲线的分布范围，并根据该声波测井曲线的分布范围确定该声波测井曲线的分布面积是否涵盖钻井目标区；获取所述地震偏移成像成果资料对应的声波速度与速度模型的差异，并根据该声波速度与速度模型的差异确定该所述地震偏移成像结果资料是否包含有声波速度与速度模型的差异百分比；对所述地震偏移成像成果资料对应的偏移结果和合成地震记录进行标定，以确定所述地震偏移成像结果资料中是否包含有合成地震记录与偏移结果相关系数。9.根据权利要求7所述的钻井误差预测方法，其特征在于，所述对所述地震储层预测结果资料进行完备性评估，得到对应的地震储层资料完备性评估结果，其中，所述地震储层资料完备性评估结果用于表示所述地震储层预测结果资料中的声波测井曲线的分布面积是
否涵盖钻井目标区、所述地震储层预测结果资料中是否包含有声波速度与速度模型的差异百分比、以及所述地震储层预测结果资料中是否包含有合成地震记录与偏移结果相关系数，包括：获取所述地震储层预测结果资料对应的声波和密度测井曲线的分布范围，并根据该声波和密度测井曲线的分布范围确定所述地震储层预测结果资料中的声波测井曲线的分布面积是否涵盖钻井目标区；获取所述地震储层预测结果资料对应的地震解释层位与测井分层吻合度，以确定所述地震储层预测结果资料中是否包含有声波速度与速度模型的差异百分比；对所述地震储层预测结果资料对应的合成地震记录进行标定，以确定所述地震储层预测结果资料中是否包含有合成地震记录与偏移结果相关系数。10.根据权利要求1所述的钻井误差预测方法，其特征在于，所述用于进行钻井误差预测的机器学习模型为前馈式机器学习模型。11.根据权利要求1所述的钻井误差预测方法，其特征在于，在所述将所述成果资料完备性评估结果输入预设的用于进行钻井误差预测的机器学习模型中之前，还包括：获取多份历史成果资料完备性评估结果以及对应得钻井误差结果，其中，该钻井误差结果用于表示钻井设计目标深度与实际目标深度的距离值；将各个所述钻井误差结果分别作为各个所述历史成果资料完备性评估结果对应的标签数据，以形成第二训练集；应用所述第二训练集对预设的前馈式机器学习模型进行模型训练，以得到所述用于进行钻井误差预测的机器学习模型。12.根据权利要求1所述的钻井误差预测方法，其特征在于，还包括：应用当前实际钻井结果与当前基础资料完备性评估结果更新所述用于进行钻井成功性预测的机器学习模型。13.根据权利要求1所述的钻井误差预测方法，其特征在于，还包括：应用当前实际钻井误差与当前成果资料完备性评估结果更新所述用于进行钻井误差预测的机器学习模型。14.一种钻井误差预测装置，其特征在于，包括：第一评估模块，用于获取待钻井的目标区域的基础资料完备性评估结果；钻井成功性预测模块，用于将所述基础资料完备性评估结果输入预设的用于进行钻井成功性预测的机器学习模型中，并将该用于进行钻井成功性预测的机器学习模型的输出作为所述目标区域的钻井成功性预测结果；第二评估模块，用于若根据所述目标区域的钻井成功性预测结果显示在该目标区域钻井能够成功，则获取该目标区域的成果资料完备性评估结果；钻井误差预测模块，用于将所述成果资料完备性评估结果输入预设的用于进行钻井误差预测的机器学习模型中，并将该用于进行钻井误差预测的机器学习模型的输出作为所述目标区域的钻井误差预测结果。15.根据权利要求14所述的钻井误差预测装置，其特征在于，所述第一评估模块包括：第一数据获取单元，用于获取目标区域的基础资料，其中，该基础资料包括地震基础资料和测井基础资料；
地震数据评估单元，用于应用预设的合成地震记录标定方式和avo趋势分析方法对所述地震基础资料进行完备性评估，得到对应的地震资料完备性评估结果，其中，所述地震资料完备性评估结果用于表示合成地震记录的相关系数和avo趋势是否一致；测井数据评估单元，用于对所述测井基础资料进行完备性评估，得到对应的测井资料完备性评估结果，其中，所述测井资料完备性评估结果用于表示所述测井基础资料中是否包含有测井数据分布空间面积、测井曲线是否涵盖目的层以及测井曲线是否包含有声波曲线和密度曲线。16.根据权利要求14所述的钻井误差预测装置，其特征在于，还包括：第一模型训练模块，用于执行下述内容：获取多份历史基础资料完备性评估结果以及对应得钻井成功性结果，其中，该钻井成功性结果用于表示钻井是否成功；将各个所述钻井成功性结果分别作为各个所述历史基础资料完备性评估结果对应的标签数据，以形成第一训练集；应用所述第一训练集对预设的前馈式机器学习模型进行模型训练，以得到所述用于进行钻井成功性预测的机器学习模型。17.根据权利要求14所述的钻井误差预测装置，其特征在于，所述第二评估模块包括：第二数据获取单元，用于获取目标区域的成果资料，其中，所述成果资料包括地震偏移成像结果资料和地震储层预测结果资料；地震偏移数据评估单元，用于对所述地震偏移成像结果资料进行完备性评估，得到对应的地震偏移资料完备性评估结果，其中，所述地震偏移资料完备性评估结果用于表示所述地震偏移成像结果资料中的声波测井曲线的分布面积是否涵盖钻井目标区、所述地震偏移成像结果资料是否包含有声波速度与速度模型的差异百分比、以及所述地震偏移成像结果资料中是否包含有合成地震记录与偏移结果相关系数；地震储层数据评估单元，用于对所述地震储层预测结果资料进行完备性评估，得到对应的地震储层资料完备性评估结果，其中，所述地震储层资料完备性评估结果用于表示所述地震储层预测结果资料中的声波测井曲线的分布面积是否涵盖钻井目标区、所述地震储层预测结果资料中是否包含有声波速度与速度模型的差异百分比、以及所述地震储层预测结果资料中是否包含有合成地震记录与偏移结果相关系数。18.根据权利要求14所述的钻井误差预测装置，其特征在于，还包括：第二模型训练模块，用于执行下述内容：获取多份历史成果资料完备性评估结果以及对应得钻井误差结果，其中，该钻井误差结果用于表示钻井设计目标深度与实际目标深度的距离值；将各个所述钻井误差结果分别作为各个所述历史成果资料完备性评估结果对应的标签数据，以形成第二训练集；应用所述第二训练集对预设的前馈式机器学习模型进行模型训练，以得到所述用于进行钻井误差预测的机器学习模型。19.根据权利要求14所述的钻井误差预测装置，其特征在于，还包括：第一模型更新模块，用于应用当前实际钻井结果与当前基础资料完备性评估结果更新所述用于进行钻井成功性预测的机器学习模型。
20.根据权利要求14所述的钻井误差预测装置，其特征在于，还包括：第二模型更新模块，用于应用当前实际钻井误差与当前成果资料完备性评估结果更新所述用于进行钻井误差预测的机器学习模型。21.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至13任一项所述的钻井误差预测方法。22.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至13任一项所述的钻井误差预测方法。

技术总结
本申请实施例提供一种钻井误差预测方法及装置，方法包括：获取待钻井的目标区域的基础资料完备性评估结果；将基础资料完备性评估结果输入用于进行钻井成功性预测的机器学习模型中，得到钻井成功性预测结果；若根据目标区域的钻井成功性预测结果显示在该目标区域钻井能够成功，则获取成果资料完备性评估结果；将成果资料完备性评估结果输入用于进行钻井误差预测的机器学习模型中，得到目标区域的钻井误差预测结果。本申请能够对钻井误差进行预测，且能够有效提高钻井误差预测的准确性，并能够有效提高钻井误差预测过程的处理效率、自动化程度及准确性，进而能够有效提高应用该钻井误差预测结果进行钻井等石油勘探处理的准确性及可靠性。准确性及可靠性。准确性及可靠性。


技术研发人员：首皓 曹宏 崔栋 曾同生
受保护的技术使用者：中国石油天然气股份有限公司
技术研发日：2020.09.01
技术公布日：2022/3/18