技术领域
[0001] 本
发明涉及运用神经网络进行大
数据处理领域以及特殊井固井
质量评价技术领域，尤其涉及一种基于深度学习的稠油热采井固井评价系统。
背景技术
[0002] 固井质量的好坏直接关系到油气勘探开发的时效性与效果，若固井直井较差，则有可能引起层间
流体窜通，导致开发成本升高，开发效益降低。固井质量评价就是先由裸眼井常规
测井成果得出油、气、
水层的
位置，然后根据固井后
水泥环纵向或环向上的胶结损失，分析水泥环与
套管之间(第一界面)以及水泥环与地面之间(第二界面)的交接状况，以此评价固井质量。常用的固井质量评价方法主要包括三种：第一种是根据固井施工数据判断水泥环胶结状况。第二种是根据测井资料给出的结果进行分析。第三种是针对层间窜流情况做的水泥环裂缝研究。
[0003] 考虑到稠油热采井具有特殊性，在
温度升高的同时会在套管中产生膨胀
力，造成套管损害。因此在稠油热采固井质量评价的过程中不可忽视膨胀力的影响。另外，地球物理测井资料虽然可以经济有效地评价固井质量，但巨大的数据量给测井资料的分析及处理都带来了极大的困难。神经网络作为一种深度学习结果，可以很好地处理冗杂繁琐的数据，并找出数据的高级特征。将其应用于测井资料的分析既避免了数据资源的浪费，又能够通过提取一系列关键参数对固井施工做出依据充分的科学判断，实现迅速快捷地完成固井质量评价。
发明内容
[0004] 本发明要解决的技术问题是：为了针对稠油热采井在固井过程中会产生膨胀力对水泥环造成破坏的特殊性，实现科学快速地完成评价稠油热采井的固井质量，本发明提供一种基于深度学习的稠油热采井固井评价系统，可通过将数据导入并对神经网络进行训练，神经网络作为一种深度学习结构，可将低层特征提取高级特征，有效对油井的固井质量进行评价。
[0005] 本发明解决其技术问题所采用的技术方案是：一种基于深度学习的稠油热采井固井评价系统，在收集测井装置提供的测井资料后，将测井资料作为数据，导入神经网络，将数据与深度学习结合，训练神经网络，将数据的低层特征提取出高级特征，通过训练后的神经网络评价油井的固井质量，所述的测井装置内针对稠热油采井设置有膨胀力测试模
块，所述测井资料包括稠热油热采井专用膨胀力测试仪提供的膨胀力数据。
[0006] 提供测井资料的测井装置包括如下模块：常规测井资料收集模块、水泥
密度智能记录模块、神经网络训练模块和评价与应用模块；所述的常规测井资料收集模块通过井温测井、
声波幅度测井以及阻抗累测井收集测井资料，所述测井资料还包括加入井下声波成像测井仪器收集的资料。
[0007] 神经网络训练模块包括
监督学习的
卷积神经网络CNN和无监督的深度置信网络DBN。所述的常规测井资料收集模块包括图像资料模块和数据资料模块，所述图像资料模块产生的数据导入卷积神经网络CNN进行学习训练，所述的数据资料模块产生的数据导入深度置信网络DBN进行学习训练。
[0008] 图像资料模块产生的数据包括使用测井装置在声波测井中产生的伽
马曲线、
中子曲线，以及固井施工过程中
排量和
泵压参数以时间轴为顺序形成的曲线，还包括井下声波成像测井仪器收集的套管共振波图形；所述的数据资料模块产生的数据包括井温数据、声波幅度数据和水泥密度智能记录模块产生的水泥浆密度变化数据。
[0009] 稠热油采井的井筒外具有套管、套管外设有水泥环，所述的水泥密度智能记录模块与水泥环连接，所述的水泥密度智能记录模块包括水泥密度探测仪表和伸入水泥环的水泥密度探针，所述水泥密度探测仪表与水泥密度探针连接。水泥密度智能记录模块利用添加的水泥密度探测仪表和探针，完成水泥密度变化等施工数据的自动采集。
[0010] 稠热油热采井专用膨胀力测试仪与水泥环连通并测量热采所产生的膨胀力引起的套管形变及水泥环受力,套管形变使井下声波成像测井仪器获得套管共振波图形汇入图像资料模块，水泥环受力产生的数据则汇入数据资料模块。
[0011] 本发明的有益效果是，本发明提供的基于深度学习的稠油热采井固井评价系统，在数据收集中针对稠油热采井开采方式的特殊性，使用稠油热采井膨胀力测试模块，并通过各个模块收集数据，将数据导入并对神经网络进行训练，神经网络作为一种深度学习结构，可将低层特征提取高级特征，通过大量数据对神经网络的训练，使得在现场可使用该系统清晰明了地得到固井质量评价结果。
附图说明
[0012] 下面结合附图和
实施例对本发明进一步说明。
[0013] 图1是本发明的结构示意图。
[0015] 图中1、常规测井资料收集模块2、水泥密度探测仪3、套管4、井筒及液体5、水泥环6、稠热油热采井专用膨胀力测试仪7、神经网络训练模块和评价与应用模块8、
地层9、水泥密度探针10、膨胀力。
具体实施方式
[0016] 现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0017] 如图1所示的一种基于深度学习的稠油热采井固井评价系统，是本发明最优实施例。
[0018] 在本评价系统中，在收集测井装置提供的测井资料后，将测井资料作为数据，导入神经网络，将数据与深度学习结合，训练神经网络，将数据的低层特征提取出高级特征，通过训练后的神经网络评价油井的固井质量。
[0019] 提供测井资料的测井装置包括如下模块：常规测井资料收集模块1、水泥密度智能记录模块、神经网络训练模块和评价与应用模块7。
[0020] 常规测井资料收集模块1通过井温测井、声波幅度测井以及阻抗累测井收集测井资料，所述测井资料还包括加入井下声波成像测井仪器收集的资料。常规测井资料收集模块1用于收集地球物理测井资料中涉及的自然伽马曲线、中子曲线等常规资料。
[0021] 稠热油采井的井筒外具有套管3、套管3外设有水泥环5，水泥密度智能记录模块包括水泥密度探测仪2表和伸入水泥环5的水泥密度探针9，所述水泥密度探测仪2表与水泥密度探针9连接。
[0022] 测井装置内针对稠热油采井设置有膨胀力测试模块，所述测井资料包括稠热油热采井专用膨胀力测试仪6提供的膨胀力数据。稠油热采井膨胀力测试模块运用稠热油热采井专用膨胀力测试仪6，以胡克定律为理论依据，测量热采所产生的膨胀力引起的套管3形变及水泥环5受力。使用膨胀力测试仪的原因是，稠油热采井由于开采方式需要涉及注
蒸汽、热力采油等一系列升温降黏措施。当稠油井温度升高时，套管3受
热膨胀，在较大膨胀力的作用下，由于水泥环5固定尺寸的限制，极易引起套管3损坏，使得胶结质量变差。所以添加膨胀力测试仪，用于测定产生的膨胀力引起的位移是否在不造成固井损坏的范围内。
[0023] 针对固井质量的评价主要是对水泥环5后期质量进行检测，也就是对胶结质量的评价。这里将评价标准设定为水泥环5的
支撑性与封隔性两方面的优劣，首先，水泥环5要有足够的剪切胶结力，用于支撑套管3。同时还要考虑稠油热采井存在膨胀力的特殊性。另一方面，水泥环5还需要有足够的水力胶结力，确保完全封隔油、气、水层。
[0024] 在现有个固井施工质量评估中，采用地球物理测井资料进行评估虽然经济有效，但是数据量大处理复杂。相应的，在本方案中采用神经网络，则可很好地从低层特征中提取高级特征，通过
大数据构成的训练集的训练，可迅速完成固井质量评价。评价与应用模块则是将神经网络训练模块的训练成果构成一个反应整体系统功能的客户端，使得在现场可使用该系统清晰明了地得到固井质量评价结果。
[0025] 具体的说，神经网络训练模块包括监督学习的卷积神经网络CNN和无监督的深度置信网络DBN。所述的常规测井资料收集模块1包括图像资料模块和数据资料模块，所述图像资料模块产生的数据导入卷积神经网络CNN进行学习训练，所述的数据资料模块产生的数据导入深度置信网络DBN进行学习训练。
[0026] 测井中所有数据分为图像资料与数据资料两大类分别用于不同类型的神经网络的训练。其中图像资料以声波测井中产生的伽马曲线、中子曲线，以及固井施工过程中排量和泵压等参数以时间轴为顺序形成的曲线为主，还包括小部分的井下成像仪器获得的套管3共振波图形。数据资料部分主要是探针及仪表测得的水泥浆密度和温度变化情况，包括包括井温数据、声波幅度数据等。
[0027] 水泥密度智能记录模块利用添加的水泥密度探测仪2表和探针，完成水泥密度变化等施工数据的自动采集。
[0028] 稠热油热采井专用膨胀力测试仪6与水泥环5连通并测量热采所产生的膨胀力引起的套管3形变及水泥环5受力,套管3形变使井下声波成像测井仪器获得套管3共振波图形汇入图像资料模块，水泥环5受力产生的数据则汇入数据资料模块。
[0029] 在传统的固井施工信息采集过程中读取泵表数值并进行记录，所有测量或读取的数据都以记录的方式保存下来，巨大的数据量很难人工进行分析与评价。神经网络作为一种深度学习结构，可在训练后用于固井质量的识别与评价。将这些巨大的数据量构成训练集，引入神经网络，对神经网络进行训练。对于图像资料的学习采用有监督学习的卷积神经网络CNN，对于数据资料的学习采用无监督的深度置信网络DBN。在深度学习中，可将不同稠热油热采井的数据建立大数据并构成对神经网络进行训练的训练集，使神经网络可从大数据中将低层的特征提取处高级特征，通过大量数据对神经网络的训练，同时也实现了固井施工信息采集的自动性、可学习性。
[0030] 如此设计的基于深度学习的稠油热采井固井评价系统，通过收集井温测井、声波幅度测井以及阻抗类测井的测井资料，再加入井下声波成像测井仪器，并在数据收集中针对稠油热采井开采方式的特殊性，使用稠油热采井膨胀力测试模块，最终所有的数据形成训练集用于训练神经网络，神经网络作为一种深度学习结构，具有自动性和可学习性，可将低层特征提取高级特征，通过大量数据对神经网络的训练，使得在现场可使用该系统清晰明了地得到固井质量评价结果。
[0031] 以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及
修改。本项发明的技术性范围并不局限于
说明书上的内容，必须要根据
权利要求范围来确定其技术性范围。
