具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1示出了本发明实施例提供的一种地层水类型识别方法的流程示意图。具体地，本实施例所提供的地层水类型识别方法应用于水基泥浆的测井场景中。

如图1所示，该方法包括如下步骤：

步骤S110，采集预设时间窗口内多个时刻对应的泵抽参数以及实际流体密度测量值。

泵抽参数以及实际流体密度测量值由预设取样设备采集获得。其中，预设取样设备至少包括泵抽模块以及密度传感器。此外，预设取样设备还可以包括探针以及样品瓶等等。

图2a及图2b分别示出了流体从上往下抽取以及流体从下往上抽取的预设取样设备的数据采集示意图。从图2a及图2b中可看出，预设取样设备中密度传感器位于泵抽模块的下游。采用该种结构，泵抽模块能够根据流体的密度差异在重力作用下将油-水、气-水或气-油-水分离，从而形成段塞流。将密度传感器设置于泵抽模块的下游，能够准确地测量出该变化。

在一种可选的实施方式中，预设取样设备可以为电缆地层测压取样仪(EFDT)。其数据采集过程为：测井前，电缆地层测压取样仪被放置到井下目标深度，并将探针座封于井壁之上。座封成功后，启动泵抽模块，地层流体通过吸口进入到管线之内，经过密度传感器实时测量流体实际的密度值，密度传感器测量的密度值即为实际流体密度测量值。泵抽模块将泵抽参数，以及密度传感器将实际流体密度测量值经过电缆的远程传输，上传给地面系统。

在另一种可选的实施方式中，预设取样设备可以为随钻取样仪器(IFSA)。其数据采集过程为：测井前，随钻取样仪器被放置到井下目标深度，地面系统通过泥浆传输装置与井下泥浆传输装置进行通讯，井下泥浆传输装置将地面命令下发给随钻取样仪器。之后，随钻取样仪器将探针座封于井壁之上，座封成功后，开始启动泵抽模块，地层流体通过吸口进入到管线之内，经过密度传感器实时测量流体实际的密度值，密度传感器测量的密度值即为实际流体密度测量值。泵抽模块将泵抽参数，以及密度传感器将实际流体密度测量值经过泥浆传输装置，实时上传给地面系统。

进一步地，预设取样设备采集到的数据以不同时刻进行划分，即每个时刻具有对应的泵抽参数以及实际流体密度测量值。其中，泵抽参数具体为泵抽时间或泵抽体积等等。

从中可以看出，与现有技术不同的是，本实施例并不是将多个时刻采集的样本送至地面平台进行分析，而是由预设取样设备采集多个时刻的泵抽参数及实际流体密度测量值，并将采集到的数据传回地面系统进行分析。由此可见，现有技术中采集及传递的是样品本身，而本实施例只需采集及传递泵抽过程中的数据即可实现地层水类型的识别，从而有利于提升整体的识别效率。

步骤S120，根据采集到的泵抽参数以及实际流体密度测量值，生成流体密度变化曲线。

以泵抽参数为自变量，实际流体密度测量值为因变量构建流体密度与泵抽参数的变化曲线，即生成流体密度变化曲线。例如可以生成流体密度-泵抽时间曲线或流体密度-泵抽体积曲线等等。

步骤S130，基于流体密度变化曲线，识别地层水类型。

流体密度变化曲线隐含了地层水类型特征。地层水类型不同，流体密度变化曲线也存在差异。通过对流体密度变化曲线的解析能够准确地识别出地层水类型。其中，地层水类型包括：地层水层、油层或气层、以及油水同层或气水同层等等。

在一种可选的实施方式中，为了提升地层水类型的识别精度，具体可通过图3所示步骤来识别地层水类型，具体地，如图3所示，可以通过以下步骤S131-步骤S136基于流体密度变化曲线来识别地层水类型。

步骤S131，判断流体密度变化曲线中是否存在段塞流区段；若是，则执行步骤S132；若否，则执行步骤S136。

由于水基钻井液滤液与地层水以及油或气的互溶性不同，从而段塞流会发生在部分地层水类型中。具体地，水基钻井液滤液与地层水完全互溶，因此当地层水类型为地层水层时不会形成段塞流，而水基钻井液滤液与油或气完全不互溶，因此在地层水类型为油水同层或气水同层以及油层或气层中会形成段塞流。基于此特征，本实施例首先基于流体密度变化曲线，判断是否存在段塞流。

具体地，若存在段塞流，实际流体密度测量值会随着泵抽参数规律性地忽高忽低。在流体密度变化曲线体现为出现密度值规律震荡区段，流体密度变化曲线中密度值规律震荡的区段即为段塞流区段。其中，为避免将误差波动认定为段塞流区段，本实施例中段塞流区段中相邻两个极大值与极小值的差距大于或等于预设密度值。

步骤S132，从流体密度变化曲线的段塞流区段中提取出多个密度极大值，根据多个密度极大值以及每个密度极大值对应的泵抽参数生成密度极大值变化曲线。

由于地层水类型为油水同层或气水同层以及油层或气层中均会形成段塞流，在基于流体密度变化曲线确定出存在段塞流之后，进一步通过步骤S132及步骤S133来识别油水同层或气水同层以及油层或气层。

具体地，油水同层或气水同层与油层或气层虽然均会形成段塞流，但油水同层或气水同层与油层或气层在流体密度变化曲线中段塞流区段的极大值的含义不同。其中，油水同层或气水同层中流体密度变化曲线中段塞流区段的极大值对应的是水基钻井液滤液和地层水混合物的密度值，其随泵抽参数的变化比较平滑；而油层或气层中流体密度变化曲线中段塞流区段的极大值对应的是水基钻井液滤液的密度值，其随泵抽参数的变化较为剧烈。

基于此，本步骤先从流体密度变化曲线中段塞流区段提取出多个密度极大值，并确定提取出的每个密度极大值对应的泵抽参数。最终根据多个密度极大值以及每个密度极大值对应的泵抽参数生成密度极大值变化曲线。其中，密度极大值变化曲线中自变量为泵抽参数，因变量为密度极大值。继而后续根据密度极大值变化曲线，识别地层水类型。

步骤S133，判断密度极大值变化曲线的平滑度是否大于预设阈值；若是，则执行步骤S134；若否，则执行步骤S135。

其中，密度极大值变化曲线的平滑度体现了密度极大值随泵抽参数的变化的快慢，即密度极大值随泵抽参数变化越快，则密度极大值变化曲线的平滑度越低；反之，密度极大值随泵抽参数变化越慢，则密度极大值变化曲线的平滑度越高。

步骤S134，确定地层水类型为油水同层或气水同层。

若基于流体密度变化曲线确定存在段塞流，并且密度极大值变化曲线的平滑度大于预设阈值，则确定地层水类型为油水同层或气水同层。

图4示出了一种油水同层或气水同层的流体密度变化曲线示意图。如图4所示，由于在油水同层或气水同层中，水基钻井液滤液与地层水完全互溶，而与油或气完全不互溶，因此油水同层的流体密度变化曲线中会存在段塞流区段。并且段塞流的频率较为稳定。而且在油水同层或气水同层的流体密度变化曲线中，密度极大值对应于水基钻井液滤液和地层水混合物的密度值。密度极大值会随着泵抽时间或泵抽体积的变化平滑地小幅下降。具体地，该密度极大值由泵抽早期时以水基钻井液滤液为主的密度值比较平滑地变化到以地层水为主的密度值，最终达到比较稳定的密度值。

步骤S135，确定地层水类型为油层或气层。

若基于流体密度变化曲线确定存在段塞流，并且密度极大值变化曲线的平滑度小于或等于预设阈值，则确定地层水类型为油层或气层。

图5a示出了一种油层或气层的流体密度变化曲线示意图。如图5a所示，在油层或气层中，由于水基钻井液滤液与油或气完全不互溶，因此油水同层的流体密度变化曲线中会存在段塞流对应的震荡区段。并且流体密度变化曲线中会在该震荡区段上下剧烈波动。其中，流体密度变化曲线的极小值对应于油或气的密度，该极小值较为稳定。流体密度变化曲线的极大值对应于水基钻井液滤液的密度，该密度极大值随时间变化较大，即密度极大值变化曲线的平滑度较低。当水基钻井液滤液侵入区很小或泵抽时间很长，随着泵抽时间或体积的增加，段塞流的频率变得愈来愈小，密度极大值慢慢变稀并消失，最终只有稳定的油或气的密度值。此外，如果水基钻井液滤液侵入区很大需要很长时间泵抽干净水基钻井液滤液，则在泵抽早期很长一段时间内最高密度为一稳定值，如图5b所示。

步骤S136，确定地层水类型为地层水层。

若基于流体密度变化曲线确定不存在段塞流，则确定地层水类型为地层水层。如图6所示，由于水基钻井液滤液与地层水完全互溶，地层水类型的流体密度变化曲线中不存在段塞流区段。地层水类型的流体密度变化曲线中密度值随泵抽时间或体积的平滑变化，具体是由以水基钻井液滤液为主的密度值平滑地变化到以地层水为主的密度值。

由此可见，本实施例采集预设时间窗口内多个时刻对应的泵抽参数以及实际流体密度测量值，并根据采集到的泵抽参数以及实际流体密度测量值，生成流体密度变化曲线，最终基于流体密度变化曲线，识别地层水类型。采用本方案，无需从井下多次取样至地面进行分析，便可以实时地监测地层水类型。一方面提升了地层水类型地识别效率，并为地层水的取样时机提供依据，另一方面节约了取样成本，以及降低作业风险。

图7示出了本发明实施例提供的一种地层水污染率确定方法的流程示意图。

其中，钻井过程中使用的水基钻井液滤液侵入地层较深时，水基钻井液滤液和原地层水会相互溶解，造成地层污染，本实施例将通过后续步骤来计算出地层水污染率，从而为地层水取样时机及地层水成分分析等提供基础。

如图7所示，该方法包括如下步骤：

步骤S710，识别地层水类型。

其中，本步骤的具体实施过程可参照上述图1所示实施例中的描述，在此不作赘述。

步骤S720，若识别出地层水类型为油水同层或气水同层，则提取流体密度变化曲线中段塞流区段的多个密度极大值，并确定每个密度极大值对应的泵抽参数。

若识别出地层水类型为油水同层或气水同层，则根据图1所示实施例中的方法来根据采集到的泵抽参数以及实际流体密度测量值，生成流体密度变化曲线，并提取流体密度变化曲线中段塞流区段的多个密度极大值。针对于任一密度极大值，获取该密度极大值对应的泵抽参数。其中，密度极大值与对应的泵抽参数对应同一时刻。

步骤S730，根据多个密度极大值及每个密度极大值对应的泵抽参数计算纯地层水密度。

具体地，首先预先构建预设的神经网络模型，并将多个密度极大值及每个密度极大值对应的泵抽参数，作为样本数据，并通过样本数据训练预设的神经网络模型，得到地层水类型为油水同层或气水同层的实际流体密度测量值和泵抽参数之间的关联关系。其中，该关联关系具体是指段塞流区段中密度极大值与泵抽参数之间的关联关系。在此应当理解的是，还可以采用冥函数、对数函数、指数函数、双曲函数等其他模型，得到该关联关系，本实施例对此不作限定。

在一种可选的训练方式中，可以将泵抽参数作为神经网络模型的输入数据，将密度极大值作为神经网络模型的输出数据。该神经网络模型可以为ANN模型。如图8所示，将泵抽体积V＝[V₁,V₂,…,V_n]或泵抽时间t＝[t₁,t₂,…,t_n]作为神经网络模型输入层的输入变量；在隐藏层中假设模型参数为W和b(隐藏层可为单层或多层)，神经网络的输出变量为a＝g(Wp+b)，其中，p为输入变量和g是转换函数例如Sigmoid函数或其他函数。输出层是利用神经网络模型预测密度ρ＝[ρ₁,ρ₂,…,ρ_n]。在此预测过程中，计算损失函数用梯度下降法或拟牛顿法调整参数W和b使损失函数达到全局最小，从而得到最优模型ρ＝f(V,W,b)或ρ＝f(t,W,b)。采用该种训练方式，在获得训练好的神经网络模型之后，将预设泵抽参数作为输入数据，神经网络模型对应的输出数据即为纯地层水密度。

其中，图9示出了神经网络模型预测的密度极大值的效果示意图，从图中可以看出神经网络模型预测的密度极大值与实际采用EFDT获得的实际测量的密度极大值匹配度高，从而本实施例中的神经网络模型具有较高的精度。

在又一种可选的训练方式中，可以将密度极大值随泵抽参数的变化数据作为神经网络模型的输入数据，以流体密度值与泵抽参数之间的关系作为神经网络模型的输出数据。采用该种训练方式，在获得训练好的神经网络模型之后，将预设泵抽参数作为输入数据，获取神经网络模型输出的流体密度值与泵抽参数之间的关联关系。继而根据预设泵抽参数以及该关联关系获得纯地层水密度。

进一步可选的，当泵抽参数为泵抽体积时，预设泵抽参数为大于预设阈值的泵抽体积；当泵抽参数为泵抽时间时，预设泵抽参数为大于预设阈值的泵抽时间。该预设阈值可以为无限大或者预先设定的固定值。例如：当泵抽参数趋近无限大时，训练模型有极限值，则预设阈值为无限大；当泵抽参数趋近无限大时，训练模型无明显极限值，则预设阈值泵抽体积为500升或泵抽时间为基于泵抽速率计算出泵抽500升流体所需的时间。预设阈值可根据地层和流体性质以及探针类型进行调整，例如，当地层钻井液侵入较小时，预设阈值可以变小(例如50升)，当地层钻井液侵入较大时，预设阈值可以变大(例如1000升)。

此外，若识别出地层水类型为地层水层，则根据采集的预设时间窗口内多个时刻对应的泵抽参数以及实际流体密度测量值，作为样本数据；通过样本数据训练预设的神经网络模型，得到地层水类型为地层水层的实际流体密度测量值和泵抽参数之间的关联关系；根据预设泵抽参数和关联关系，确定纯地层水的密度值。其中，地层水类型为地层水层的模型训练及预测过程可参照上述地层水类型为油水同层或气水同层中相应部分的描述，在此不作赘述。

步骤S740，根据纯地层水密度、纯水基钻井液滤液密度以及当前采集的实际流体测量密度，计算地层水污染率。

其中，纯水基钻井液滤液密度通过以下方式中的至少一种确定：

确定方式一：开始泵抽时，测量流体密度作为纯水基钻井液滤液密度；

确定方式二：从井下获取钻井液滤饼到地面，并压出滤液，利用EFDT测量仪测量该流体的密度，并将该密度矫正到所采集地层对应的温度、压力下的密度作为纯水基钻井液滤液密度；

确定方式三：测量时，根据预先设置的各种类型纯钻井液密度与温度、压力的对应关系、钻井液类型以及测量时地层对应的温度、压力，计算该测量时水基钻井液滤液的密度作为纯水基钻井液滤液密度。

在获得纯地层水密度、纯水基钻井液滤液密度以及当前采集的实际流体测量密度之后，通过以下公式7-1获得地层水污染率：

上述公式中，ε为地层水中水基钻井液滤液污染率，ρ为当前采集的实际流体测量密度，ρ_mf为纯水基钻井液滤液密度，ρ_fw为纯地层水密度。

图10示出了一种计算出的地层水污染率的效果示意图。从图10中可以看出，本实施例计算出的地层水污染率与采用传统EFDT多次取样方法获得的地层水污染率匹配度高，从而本实施例计算获得的地层水污染率精度高。

由此可见，本实施例采用上述地层水类型识别方法识别地层水类型，若识别出地层水类型为油水同层或气水同层，则提取流体密度变化曲线中段塞流区段的多个密度极大值，并确定每个密度极大值对应的泵抽参数；根据多个密度极大值及每个密度极大值对应的泵抽参数计算纯地层水密度；根据纯地层水密度、纯水基钻井液滤液密度以及当前采集的实际流体测量密度，计算地层水污染率。采用本方案可以准确地计算地层水污染率，为地层水的取样及组成的分析提供基础。

图11示出了本发明实施例提供的一种计算设备的结构示意图。本发明具体实施例并不对计算设备的具体实现做限定。

如图11所示，该计算设备可以包括：处理器(processor)1102、通信接口(Communications Interface)1104、存储器(memory)1106、以及通信总线1108。

其中：处理器1102、通信接口1104、以及存储器1106通过通信总线1108完成相互间的通信。通信接口1104，用于与其它设备比如客户端或其它服务器等的网元通信。处理器1102，用于执行程序1110，具体可以执行上述用于地层水类型识别方法实施例和/或地层水污染率确定方法实施例中的相关步骤。

具体地，程序1110可以包括程序代码，该程序代码包括计算机操作指令。

处理器1102可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器1106，用于存放程序1110。存储器1106可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。具体实施过程可参照相应方法实施例中的描述，在此不作赘述。

本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的地层水类型识别方法和/或地层水污染率确定方法。具体实施过程可参照相应方法实施例中的描述，在此不作赘述。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。