基于长短期记忆神经网络的随钻地层倾角解释方法

鉴于随钻方位伽马测井面临实时数据传输的信息有限且解释难度大的问题,将人工智能与随钻测井解释相结合以提高实时数据处理的准确性和效率,阐述了具体方法并对提出的方法进行了验证和应用。通过研究方位伽马测井曲线的地层响应特征,基于小波变换模极大值的方法初步判断地层变化位置并确定动态阈值,进而得到描述地层边界的轮廓点集合。基于长短期记忆神经网络设计地层识别分类器模型,判定轮廓点集合描述地层信息的真伪,提高地层识别的准确度。结合非线性最小二乘法实现地层相对倾角的计算。方位伽马数据解释与随钻实时数据处理两方面的应用结果表明:提出的方法在有效、准确地判断地层变化的同时,提高了倾角解释的准确率,且能够满足随钻实时地质导向的需要。图8表3参27。

地质导向中的旋转失真与随钻自然伽马成像动态测量算法

基于自然伽马成像的相对倾角测量是现代地质导向中的重要技术。目前大量关于提高自然伽马成像精度的研究均未讨论成像仪器在旋转时的测量失真现象,这导致相对倾角的计算存在一个无法修正的误差,干扰工程人员的判断。基于数值分析技术,从解决旋转测量失真的问题开展研究,阐述了自然伽马成像仪器在模拟井筒实验中的旋转失真现象,从理论上解释了产生该现象的原因,并分析了该现象对于成像精度以及相对倾角计算的严重影响。以8扇区自然伽马成像仪器为例,推导了一种旋转扇区新算法,并结合数值分析技术和粒子群算法提高了算法精度,解决了旋转失真问题。通过算法在倾斜地层模拟井筒试验装置上的实验效果可以看出,算法解决了旋转失真问题,从而确保了自然伽马成像仪器在随钻工况下得到准确的相对倾角,为工程人员调整井眼轨迹提供定量依据。