本发明涉及钻采勘探工程，尤其涉及一种邻井间距离测量方法、装置、存储介质及程序产品。
背景技术：
1、井间距离测量在石油工程中至关重要，特别是在油气井发生严重井喷事故时。在钻探救援井时，必须持续使用探测和定位工具测量救援井与事故井之间的相对距离，通过迭代测量过程逐步引导救援井与事故井对齐并最终连接。如今，救援井技术依然是应对井喷失控事故的最后一道防线，因此，预测邻井间的距离对于救援和防止碰撞事故至关重要。
2、传统的邻井间距离测量方法，包括：通过主动磁测距工具在事故井周围产生交变磁场，检测事故井中各个磁源(例如正钻井中的永磁短节、通电螺线管或已钻井眼中带电管柱等)的磁场强度；通过预先建立探井管角度、磁感应强度与井间距离之间的数学关系，分析探井管在不同角度下的磁感应强度，并使用既定公式推导出探井管与套管之间的实际距离。
3、然而，在传统的测量方法中，探井管检测到的磁场强度不仅与井间的距离有关，还受到注入主动磁测距工具的电流强度、地层性质以及事故井的结构等多种因素的影响，导致使用传统方法分析磁场数据进行距离预测的效果较差。
技术实现思路
1、鉴于此，本发明实施例提供了一种邻井间距离测量方法、装置、存储介质及程序产品，以消除或改善现有技术中存在的一个或更多个缺陷。能够解决使用传统方法分析磁场数据进行距离预测效果较差的问题。
2、本发明的一个方面提供了一种邻井间距离测量方法，该方法包括以下步骤：
3、获取在目标测量位置测量得到的测量数据，测量数据是指通过探井管测量得到的数据；探井管上包括磁感应传感器和姿态传感器；测量数据包括磁场传感器测量得到的磁感应数据和姿态传感器测量得到的姿态数据；磁感应数据包括目标测量位置对应的三轴方向上的至少一组磁感应强度；姿态数据包括目标测量位置对应的翻滚角数据、方向角数据、倾斜角数据和三轴方向上的重力加速度数据；
4、获取预先训练的井间距离测量模型，井间距离测量模型包括基于空间通道的特征处理层、时序记忆单元层和全连接输出层；特征处理层用于分别对磁感应数据和姿态数据进行多层卷积处理，得到磁感应数据对应的第一数据特征和姿态数据对应的第二数据特征；时序记忆单元层用于基于第一数据特征和第二数据特征进行井间距离预测，得到井间距离预测结果；全连接输出层用于将井间距离预测结果映射为一个标量值；
5、将测量数据输入井间距离测量模型，得到井间距离测量结果。
6、在本发明的一些实施例中，分别对磁感应数据和姿态数据进行多层卷积处理，得到磁感应数据对应的第一数据特征和姿态数据对应的第二数据特征，包括：
7、对磁感应数据通过一维卷积进行处理，并对磁感应数据的一维卷积处理结果进行缩放变换，得到第一缩放变换结果；
8、基于磁感应数据的一维卷积处理结果和第一缩放变换结果，生成磁感应数据对应的第一处理结果；
9、对姿态数据通过一维卷积进行处理，并对姿态数据的一维卷积处理结果进行缩放变换，得到第二缩放变换结果；
10、基于姿态数据的一维卷积处理结果和第二缩放变换结果，生成姿态数据对应的第二处理结果；
11、分别对第一处理结果和第二处理结果通过一维卷积进行处理，得到第一处理结果对应的一维卷积处理结果和第二处理结果对应的一维卷积处理结果；
12、基于第一处理结果对应的一维卷积处理结果、第二处理结果对应的一维卷积处理结果、第一处理结果、第二处理结果进行交互处理，得到第一数据特征和第二数据特征。
13、在本发明的一些实施例中，井间距离测量模型还包括第一连接层和第二连接层；第一连接层用于将特征处理层的输出与测量数据拼接、将拼接后的结果输入时序记忆单元层；第二连接层用于将时序记忆单元层的输出与测量数据拼接，将拼接后的结果输入全连接输出层。
14、在本发明的一些实施例中，测量数据包括若干条数据；将测量数据输入井间距离测量模型，包括：
15、按照预设窗口大小和预设窗口滑动步长，对测量数据进行窗口滑动处理，将测量数据划分为至少一组数据；
16、将至少一组数据依次输入井间距离测量模型。
17、在本发明的一些实施例中，特征处理层还包括数据分割子层，数据分割子层用于在接收到测量数据的情况下，将测量数据按照数据类型进行分割，分为磁感应数据和姿态数据。
18、在本发明的一些实施例中，获取预先训练的井间距离测量模型，包括：
19、获取训练数据，训练数据包括：样本测量数据、样本测量数据对应的井间真实距离；
20、将样本测量数据输入预先创建的初始网络模型，得到训练结果；初始网络模型的模型结构与井间距离测量模型的模型结构相同；
21、将训练结果和井间真实距离输入预设的误差缩放损失函数，得到损失函数值；
22、基于训练结果和井间真实距离之间的相对误差，动态调整误差缩放损失函数；
23、通过反向传播算法计算误差缩放损失函数对初始网络模型的参数的梯度；
24、基于梯度和梯度下降法对初始网络模型进行模型参数更新迭代，得到井间距离测量模型。
25、在本发明的一些实施例中，训练数据包括在至少一个样本位置测量得到的数据；每个样本位置与相邻的样本位置之间的距离大于或等于预设距离；获取训练数据，包括：
26、获取在不同样本位置分别测量得到的预设数量的样本磁感应数据和样本姿态数据，与预先测量的井间真实距离整合，得到样本测量数据。
27、本发明的另一方面提供了一种邻井间距离测量装置，包括处理器、存储器及存储在存储器上的计算机程序/指令，所述处理器用于执行所述计算机程序/指令，当所述计算机程序/指令被执行时该装置实现如前所述邻井间距离测量方法的步骤。
28、本发明的另一方面提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如前邻井间距离测量所述方法的步骤。
29、本发明的另一方面提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如前所述邻井间距离测量方法的步骤。
30、本发明的邻井间距离测量方法、装置、存储介质及程序产品，能够解决使用传统方法分析磁场数据进行距离预测效果较差的问题；通过井间距离测量模型集成了特征处理层和时序记忆单元层，特征处理层能够迭代地在不同时间分辨率上提取和交换信息，捕捉磁感应数据与井间距离之间的复杂关系，能够增强模型对各种干扰因素的适应能力，从而解决传统方法在建立数学关系上的局限性，通过时序记忆单元层，将距离预测视为一个时间任务，利用历史数据的信息，从而更准确地预测当前的井间距离，减少由于瞬时变化带来的干扰和误差，提高距离预测的效果；同时，采用深度学习的方式，考虑了多种输入特征，使得模型能够有效捕捉数据之间的非线性关系，而传统方法往往假设线性关系，通过这种方式，模型能够更好地适应复杂的环境因素。
31、另外，在模型训练的过程中，通过自适应的误差缩放损失函数，同时考虑相对误差和绝对误差，降低了较大误差出现的概率，能够进一步提高井间距离测量的准确性。
32、本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
33、本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
1.一种邻井间距离测量方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述分别对所述磁感应数据和所述姿态数据进行多层卷积处理，得到所述磁感应数据对应的第一数据特征和所述姿态数据对应的第二数据特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述井间距离测量模型还包括第一连接层和第二连接层；所述第一连接层用于将所述特征处理层的输出与所述测量数据拼接、将拼接后的结果输入所述时序记忆单元层；所述第二连接层用于将所述时序记忆单元层的输出与所述测量数据拼接，将拼接后的结果输入所述全连接输出层。
4.根据权利要求1所述的方法，其特征在于，所述测量数据包括若干条数据；所述将所述测量数据输入所述井间距离测量模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述特征处理层还包括数据分割子层，所述数据分割子层用于在接收到所述测量数据的情况下，将所述测量数据按照数据类型进行分割，分为所述磁感应数据和所述姿态数据。
6.根据权利要求1所述的方法，其特征在于，所述获取预先训练的井间距离测量模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述训练数据包括在至少一个样本位置测量得到的数据；每个样本位置与相邻的样本位置之间的距离大于或等于预设距离；所述获取训练数据，包括：
8.一种邻井间距离测量装置，包括处理器、存储器及存储在存储器上的计算机程序/指令，其特征在于，所述处理器用于执行所述计算机程序/指令，当所述计算机程序/指令被执行时该装置实现如权利要求1至7中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
