地层导向特性的评估方法及装置与流程

1.本发明涉及石油勘探钻井领域，具体涉及一种地层导向特性的评估方法及装置、计算设备及计算机存储介质。


背景技术：

2.在目前石油勘探钻井领域，旋转导向作为高端定向钻井工具，被越来越广泛地运用于石油勘探、开发及钻井施工工程。旋转导向能够在钻具旋转的状态下控制井眼轨迹按照预定的方向钻进，但在实际地层中导向钻进时对复杂的地层环境较为敏感。因此，掌握地层的导向特性，在定向井设计、轨迹优化、导向工具选型、制定施工方案、指导现场作业等方面十分重要。
3.旋转导向现场作业通常涉及大量复杂的影响因素，尤其是地层的复杂性。然而，目前尚缺乏有效的技术分析手段来描述和评估地层的导向特性，现场工具的导向能力通常由现场工程师设定的导向参数和钻井参数等施工工艺决定，并没有考虑井下地层环境的影响。或者，通常只是对上述导向特性作了定性分析，并未进一步地定量分析和最优化分析，难以准确评估旋转导向在各地层环境的导向特性。


技术实现要素：

4.鉴于上述问题，提出了本发明以便提供一种克服上述评估地层导向特性存在的准确性较低问题的地层导向特性的评估方法及装置、计算设备及计算机存储介质。
5.根据本发明的一个方面，提供了一种地层导向特性的评估方法，包括：
6.根据造斜率的影响因素进行特征项提取，得到第一特征项集合；
7.以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；
8.根据所述第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以所述造斜率为目标项，基于所述多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；
9.根据所述最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。
10.在一种可选的方式中，所述第一特征项集合包括主动因素特征项和被动因素特征项；
11.所述主动因素特征项包括：导向参数和钻井参数；
12.所述被动因素特征项包括：地层岩性参数和地层变化空间参数。
13.在一种可选的方式中，在所述以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数之后，所述方法还包括：
14.按照相关系数由高至低的顺序，对第一特征项集合中的各个特征项进行排序；
15.所述选取多个第二特征项集合进一步包括：
16.按不同的预设排序区间选取多个第二特征项集合。
17.在一种可选的方式中，所述以所述造斜率为目标项，基于所述多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型进一步包括：
18.基于所述多个第二特征项集合，分别建立多元回归模型；
19.基于实测数据，计算每个第二特征项集合对应的多元回归模型的拟合优度值；
20.选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型。
21.在一种可选的方式中，在所述选取最优的第二特征项集合对应的多元回归模型之后，所述方法还包括：
22.获取所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值。
23.在一种可选的方式中，所述根据所述最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估进一步包括：
24.根据所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，评估所述各个特征项对导向效果的影响程度。
25.在一种可选的方式中，所述根据所述最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估进一步包括：
26.根据所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，以及所述各个特征项与目标项的相关系数，对所述造斜率进行量化分析。
27.根据本发明的另一方面，提供了一种地层导向特性的评估装置，包括：
28.特征选择模块，用于根据造斜率的影响因素进行特征项提取，得到第一特征项集合；
29.定性分析模块，用于以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；
30.定量分析模块，用于根据所述第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以所述造斜率为目标项，基于所述多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；
31.评估模块，用于根据所述最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。
32.根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
33.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述地层导向特性的评估方法对应的操作。
34.根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述地层导向特性的评估方法对应的操作。
35.根据本发明提供的方案，根据造斜率的影响因素进行特征项提取，得到第一特征项集合；以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以造斜率为目标项，基于多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；根据最优的第二特征项集合对应
的多元回归模型对地层导向特性进行评估。本发明基于造斜率的影响因素选取最优的特征项对应的多元回归模型，实现对地层导向特性进行精准评估与分析。
36.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
37.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
38.图1示出了本发明实施例的地层导向特性的评估方法的流程示意图；
39.图2示出了本发明另一个实施例的地层导向特性的评估方法的流程示意图；
40.图3示出了本发明实施例的造斜率相关分数及相关系数特征项分布的示意图；
41.图4示出了本发明实施例的造斜率实测值与预测值比对的示意图；
42.图5示出了本发明实施例的地层导向特性描述相关矩阵图的示意图；
43.图6示出了本发明实施例的地层导向特性的评估装置的结构示意图；
44.图7示出了本发明实施例的计算设备的结构示意图。
具体实施方式
45.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。
46.图1示出了本发明实施例的地层导向特性的评估方法的流程示意图。本方法根据造斜率的多个影响因素进行特征项提取，以所述造斜率为目标项对选取的多个特征项分别进行多元回归，选取最优的特征项对应的多元回归模型，对地层导向特性进行精准评估与分析。具体地，如图1所示，包括以下步骤：
47.步骤s101，根据造斜率的影响因素进行特征项提取，得到第一特征项集合。
48.由于旋转导向工具对地层环境的敏感性，现场工具的导向能力不仅受现场工程师设定的导向参数和钻井参数的影响，还受井下地层环境因素的影响。(井眼)造斜率是旋转导向工具在实际地层中导向钻进工作的关键环节，其中，造斜率又称造斜强度，是指单位造斜钻进进尺中形成的钻孔全弯曲角度，常用量纲有度/米、度/10米、度/100米等，若造斜钻进形成的钻孔全弯曲角度均在铅垂面上，则为顶角造斜率，若造斜钻进形成的钻孔全弯曲角度均在水平面上，则为方位角造斜率。
49.造斜率的大小由多种因素共同决定，影响造斜率的因素按类型通常分为主动因素和被动因素。其中，主动因素通常指现场作业工程师为按轨迹设计定向钻进时为系统设定的导向参数和钻井参数；被动因素主要指地层的特性，如对导向效果产生影响的地层岩性、地层硬度、地层研磨性、地层倾角及地层变化空间。
50.将上述各类型的影响因素又可细分为可量化的特征项，如导向参数包括导向力、
导向工具面；钻井参数包括机械钻速、钻压、转速；地层岩性包括伽马、密度；地层变化空间包括垂深、井深、北位移、东位移、方位、井斜。
51.对地层导向特性进行评估与分析的过程中，由于造斜率受上述众多因素的影响，尤其是受复杂、敏感地层的特性影响，因此，本实施例中，首先需要根据造斜率的(多个)影响因素进行特征项提取，得到更有意义的潜在的因素(称为第一特征项集合)。其中，特征提取是指从原始特征中找出最有效(同类样本的不变性、不同样本的鉴别性、对噪声的鲁棒性)的特征。
52.步骤s102，以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数。
53.第一特征项集合中的各个特征项未能体现无关的特征和无区分度的特征，需要进一步以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，通过相关系数确定哪些特征项是影响造斜率的主导因素、次要因素或无关因素，按影响因素(特征项)类型确定地层导向特征的性质，对地层导向特性进行定性描述与分析。其中，相关系数是用以反映各个特征项与造斜率之间相关关系密切程度的统计指标。
54.步骤s103，根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以造斜率为目标项，基于多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型。
55.由于相关系数(相关系数γ的范围为[-1，+1]；γ》0表示正相关；γ《0表示负相关；γ＝0表示不相关)接近于
±
1的程度与特征项个数n相关，容易造成一种假象，即，当n较小时，相关系数的波动较大，对有些特征项的相关系数的绝对值易接近于1；特别是当n＝2时，相关系数的绝对值总为1；当n较大时，相关系数的绝对值容易偏小。因此，仅凭相关系数判定特征项与目标项之间的密切关系是不够准确的。
[0056]
为了修正相关系数的波动较大或绝对值容易偏小的问题，本实施例中，根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合。
[0057]
为了进一步修正上述相关系数的影响，通过模型拟合(模型训练)的方式从多个第二特征项集合中选取与实测值最接近的第二特征项集合。具体地，以造斜率为目标项，基于多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型。由于多元回归模型是含有多个解释变量(特征项)的回归模型，因此，可通过图/表形式对造斜率进行直观描述与量化分析。
[0058]
可选地，所述多元回归模型为多元高次回归模型，以分析造斜率与各个特征项更为复杂的高阶关系。
[0059]
可选地，通过显著性水平和/或拟合优度方式对所述多元回归模型进行参数检验。
[0060]
可选地，对所述多元回归模型的解释变量的系数通过加权与惩罚的方式进行校正。
[0061]
可选地，在选取最优的第二特征项集合对应的多元回归模型之后，获取最优的第二特征项集合对应的多元回归模型中各个特征项的权重值。
[0062]
步骤s104，根据最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。
[0063]
多元回归模型服从一元回归模型的各种假设，包括被解释变量(造斜率)、解释变
量(第二特征项)、截距、斜率/偏回归系数、随机误差项/未解释项，所有的解释变量都是已知的，具有较好的可解释性，可用于点预测、区间预测以及检验各项假设。
[0064]
本实施例中，根据多元回归模型对地层导向性特性评估可用于钻前预测、随钻评估及钻后评价阶段。例如，利用随钻测量数据(钻压、扭矩、转速、机械钻速及水力参数)可实时评估所钻地层的导向特性(包括地层的孔隙压力、岩性、可钻性及各向异性特性)。
[0065]
本发明上述实施例提供的方案，根据造斜率的影响因素进行特征项提取，得到第一特征项集合；以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以造斜率为目标项，基于多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；根据最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。本发明基于造斜率的影响因素选取最优的特征项对应的多元回归模型，采用定性分析与定量分析相结合的方式实现对地层导向特性进行精准评估与量化/直观分析。
[0066]
图2示出了本发明另一个实施例的地层导向特性的评估方法的流程示意图。本实施例中，基于实测数据，通过拟合优度方式对每个第二特征项集合对应的多元回归模型进行参数检验得到各个拟合优度值，并选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型。具体地，如图2所示，包括以下步骤：
[0067]
步骤s201，根据造斜率的影响因素进行特征项提取，得到第一特征项集合。
[0068]
本实施例中，通过现有的特征项提取算法或特征项提取工具包提取特征项。具体地，根据造斜率的影响因素(如导向力、导向工具面、机械钻速、钻压、转速、伽马值、密度、垂深、井深、北位移、东位移、方位、井斜)进行特征项提取，提取的特征项称为第一特征项集合。
[0069]
可选地，先使用机器学习算法和模型训练得到造斜率的影响因素中各个特征的权值系数，再根据权值系数从大到小的顺序选择特征项。其中，权值系数代表相应的特征对模型的贡献度或重要度，比如决策树模型中的特征权重属性，可以列出各个特征对树建立的贡献，基于该贡献评估找出对模型建立最有用的特征，对提高模型效力有较好的效果。
[0070]
步骤s202，以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数。
[0071]
对第一特征项集合中的各个特征项(地层导向特性)进行相关性分析，得到各个特征项与目标项之间的相关系数，分析影响造斜率的主导因素。具体地，以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，通过相关系数排序确定哪些特征项是造斜率的主导因素、次要因素、无关因素，排序后按影响因素类型确定地层导向特征的性质，对地层导向特性进行定性的描述。如图3所示，上、下图分别为关于某井眼造斜率(buildrate)的相关分数特征项分布、关于某井眼造斜率(buildrate)的相关系数特征项分布，例如，从下图中可知，井眼造斜率与导向力、钻时的相关系数约为0.72、-0.02，通过相关系数可以确定导向力与井眼造斜率正相关，是影响井眼造斜率的主导因素；钻时与井眼造斜率负相关，是次要因素。
[0072]
步骤s203，按照相关系数由高至低的顺序，对第一特征项集合中的各个特征项进行排序。
[0073]
按照相关系数由高至低的顺序，对第一特征项集合中的各个特征项进行排序，得到按主次顺序排列的特征项。
[0074]
步骤s204，根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；基于多个第二特征项集合，分别建立多元回归模型；基于实测数据，计算每个第二特征项集合对应的多元回归模型的拟合优度值；选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型。
[0075]
本实施例中，通过拟合优度方式对多元回归模型进行参数检验。具体地，根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合。可选地，按不同的预设排序区间选取多个第二特征项集合，例如，按主次顺序分别取前10％、30％、50％、70％、90％、100％区间段的多个特征项集合。
[0076]
例如，基于按不同的预设排序区间选取的多个第二特征项集合，分别建立多元回归模型。可选地，由于在钻井的不同深度各个特征项对造斜率的影响程度也不同，即各个特征项对造斜率的相关系数也不同，因此，按不同深度区间选取多个第二特征项集合，分别建立多元回归模型。
[0077]
基于实测数据，计算每个第二特征项集合对应的多元回归模型的拟合优度值，其中，拟合优度值用于衡量多元回归模型模型的预期值和实测数据的差距。如图4所示，按主次顺序分别取前10％、30％、50％、70％、90％、100％特征项，以造斜率为目标项进行的多元回归模型与实测数据分别进行比对，其中，r2分别为相应的多元回归模型的拟合优度值，拟合优度值越接近1，说明多元回归模型对实测值的拟合程度越好，反之越差；buildrate预测值_10表示为按主次顺序取前10％特征项的多元回归模型的预测值。
[0078]
选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型。进一步地，根据最大拟合优度的多元回归模型的特征项区分影响地层造斜率的相关项和无关项，获取多元回归模型的特征项的权重值，评估各个特征项的影响程度。例如，根据导向参数、钻井参数等主动因素参数的权重值，评估旋转导向工具地层适应性和造斜能力；根据地层岩性、地层空间位移等被动因素参数的权重值，评估地层岩性及空间变化对造斜率的影响。
[0079]
如图4所示，buildrate预测值_100的拟合优度值最大(r2为0.792)，即按主次顺序取前100％特征项(全部特征项)所对应的多元回归模型的拟合度最好；buildrate预测值_90的拟合优度值次之(r2为0.791)。需要说明的是，理论上在选取的特征项越多与训练样本足够多的情况下的多元回归模型的拟合度是最好的，但是，在实际的现场环境中，受随钻测量参数的个数(或旋转导向工具)的影响，可能选择与buildrate预测值_100的拟合优度值最为接近的buildrate预测值_90或选择buildrate预测值_70所对应的多元回归模型评估地层导向特性。或者，在不同的地层区域、不同的地层深度区间分别选择不同排名区间的多元回归模型。
[0080]
步骤s205，根据最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。
[0081]
根据最优的第二特征项集合对应的多元回归模型，可对地层导向特性进行解释、预测与检验各项假设。例如，对地层导向特征进行整体描述，将特征项按照影响因素类型排列，顺序为主动因素包括导向参数、钻井参数，被动因素包括岩性参数、空间位移参数，并与
造斜率目标项一起构建相关矩阵。如图5所示的地层导向特性描述相关矩阵图，是由各列(特征项)之间的相关系数构成的相关矩阵(对称矩阵)，如，相关矩阵图第1行第2列的数值(0.73)表示造斜率与导向力的相关系数。
[0082]
可选地，根据最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，评估各个特征项对导向效果的影响程度。
[0083]
可选地，根据最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，以及各个特征项与目标项的相关系数，对造斜率进行量化分析。如表1所示，对影响造斜率各因素的相关系数和影响权重进行量化分析。
[0084]
表1
[0085]
影响因素导向力钻时伽马值钻压井斜方位井深垂深相关系数0.727-0.019-0.093-0.0150.01-0.2040.2040.395影响权重0.04-0.028-0.012-0.038-0.5470.6010.0131.207
[0086]
由表1可知，导向力与造斜率的相关系数最大(为0.727)，但影响权重仅为0.04；垂深与造斜率的相关系数次之(为0.395)，但影响权重最大(为1.207)。
[0087]
本发明上述实施例提供的方案，基于多个第二特征项集合，分别建立多元回归模型，基于实测数据，计算每个第二特征项集合对应的多元回归模型的拟合优度值，选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型，通过拟合优度方式对多元回归模型进行参数检验，进一步提升了多元回归模型的准确性。
[0088]
图6示出了本发明实施例的地层导向特性的评估装置的结构示意图。地层导向特性的评估装置600包括：特征选择模块610、定性分析模块620、定量分析模块630和评估模块640。
[0089]
所述特征选择模块610，用于根据造斜率的影响因素进行特征项提取，得到第一特征项集合；
[0090]
所述定性分析模块620，用于以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；
[0091]
所述定量分析模块630，用于根据所述第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以所述造斜率为目标项，基于所述多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；
[0092]
所述评估模块640，用于根据所述最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。
[0093]
在一种可选的方式中，所述第一特征项集合包括主动因素特征项和被动因素特征项；
[0094]
所述主动因素特征项包括：导向参数和钻井参数；
[0095]
所述被动因素特征项包括：地层岩性参数和地层变化空间参数。
[0096]
在一种可选的方式中，所述定性分析模块620进一步用于：
[0097]
按照相关系数由高至低的顺序，对第一特征项集合中的各个特征项进行排序；
[0098]
所述定量分析模块630进一步用于：
[0099]
按不同的预设排序区间选取多个第二特征项集合。
[0100]
在一种可选的方式中，所述定量分析模块630进一步用于：
[0101]
基于所述多个第二特征项集合，分别建立多元回归模型；
[0102]
基于实测数据，计算每个第二特征项集合对应的多元回归模型的拟合优度值；
[0103]
选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型。
[0104]
在一种可选的方式中，所述定量分析模块630进一步用于：
[0105]
获取所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值。
[0106]
在一种可选的方式中，所述评估模块640进一步用于：
[0107]
根据所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，评估所述各个特征项对导向效果的影响程度。
[0108]
在一种可选的方式中，所述评估模块640进一步用于：
[0109]
根据所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，以及所述各个特征项与目标项的相关系数，对所述造斜率进行量化分析。
[0110]
本发明上述实施例提供的方案，根据造斜率的影响因素进行特征项提取，得到第一特征项集合；以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以造斜率为目标项，基于多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；根据最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。本发明基于造斜率的影响因素选取最优的特征项对应的多元回归模型，采用定性分析与定量分析相结合的方式实现对地层导向特性进行精准评估与量化/直观分析。
[0111]
图7示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
[0112]
如图7所示，该计算设备可以包括：处理器(processor)702、通信接口(communications interface)704、存储器(memory)706、以及通信总线708。
[0113]
其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704，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702，用于执行程序710，具体可以执行上述用于地层导向特性的评估方法实施例中的相关步骤。
[0114]
具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
[0115]
处理器702可能是中央处理器cpu，或者是特定集成电路asic(application specific 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。
[0116]
存储器706，用于存放程序710。存储器706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。
[0117]
程序710具体可以用于使得处理器702执行以下操作：
[0118]
根据造斜率的影响因素进行特征项提取，得到第一特征项集合；
[0119]
以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；
[0120]
根据所述第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征
项集合；以所述造斜率为目标项，基于所述多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；
[0121]
根据所述最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。
[0122]
在一种可选的方式中，所述第一特征项集合包括主动因素特征项和被动因素特征项；
[0123]
所述主动因素特征项包括：导向参数和钻井参数；
[0124]
所述被动因素特征项包括：地层岩性参数和地层变化空间参数。
[0125]
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
[0126]
按照相关系数由高至低的顺序，对第一特征项集合中的各个特征项进行排序；
[0127]
按不同的预设排序区间选取多个第二特征项集合。
[0128]
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
[0129]
基于所述多个第二特征项集合，分别建立多元回归模型；
[0130]
基于实测数据，计算每个第二特征项集合对应的多元回归模型的拟合优度值；
[0131]
选取拟合优度值为最大值的多元回归模型作为最优的第二特征项集合对应的多元回归模型。
[0132]
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
[0133]
获取所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值。
[0134]
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
[0135]
根据所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，评估所述各个特征项对导向效果的影响程度。
[0136]
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
[0137]
根据所述最优的第二特征项集合对应的多元回归模型中各个特征项的权重值，以及所述各个特征项与目标项的相关系数，对所述造斜率进行量化分析。
[0138]
本发明上述实施例提供的方案，根据造斜率的影响因素进行特征项提取，得到第一特征项集合；以造斜率为目标项，对第一特征项集合中的各个特征项进行相关性分析，得到各个特征项与目标项之间的相关系数；根据第一特征项集合中各个特征项与目标项的相关系数，选取多个第二特征项集合；以造斜率为目标项，基于多个第二特征项集合分别进行多元回归，选取最优的第二特征项集合对应的多元回归模型；根据最优的第二特征项集合对应的多元回归模型对地层导向特性进行评估。本发明基于造斜率的影响因素选取最优的特征项对应的多元回归模型，采用定性分析与定量分析相结合的方式实现对地层导向特性进行精准评估与量化/直观分析。
[0139]
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导向特性的评估方法。
[0140]
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。
[0141]
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。
[0142]
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。
[0143]
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。
[0144]
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。
[0145]
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。
[0146]
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。