[發明專利]一種基于時間遞歸神經網絡的鉆井事故預警方法

有效

• 申請號: 201811352903.0
• 申請日: 2018-11-14
• 公開（公告）號: CN109508827B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 蔣裕強;陳雁;黃嘉鑫;文敏;葛憶;李平;朱宇;謝靜;程超;付永紅;鐘學燕;蔣嬋;蔣增政;鐘原;鄭津
• 申請（專利權）人: 西南石油大學;四川杰瑞泰克科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 楊浩林

1.一種基于時間遞歸神經網絡的鉆井事故預警方法，其特征在于，包括：

S1、采用自回歸模型分析方法預測某一時刻的鉆井的特征值，并衡量預測得到的特征值與所述時刻鉆井真實數據之間的差異，得到事故候選集合；利用專家知識對事故候選集合中的事故進行真偽判斷，并劃分事故類型，獲得已標注的若干鉆井時序數據，包括：

確定平滑窗口大小；

根據自回歸模型分析方法，利用時間序列數據一個時刻前的一個平滑窗口數據預測本時刻的特征數據值；

根據相似性衡量標準衡量所述時刻的特征數據值與真實值之間的相似性，若所述相似性低于預設的閾值，則判斷為事故，并得到特征數據值的事故候選集合；

基于專家知識對事故候選集合中事故進行真偽判斷，篩選鉆井生產過程中真實的事故，并對事故類別劃分，獲得標注的大量鉆井時序數據；

其中，相似性衡量標準包括一范數相似性、二范數相似性和余弦相似性中的任意一種；

S2、基于深度學習，構建時間遞歸神經網絡模型；隨機選取部分標注的時序數據作為訓練集，具體輸入為各特征的組合和時間窗口的選取，并對模型進行訓練，預測輸出一分鐘后的事故發生概率與事故發生的類型，包括：

構建預測事故的神經網絡模型，確定輸入節點數、輸出節點數及隱藏層節點數：

其中，輸入節點數即是標注了的鉆井時序數據的標簽數，標注鉆井時序數據的標簽包括取自提升系統的鉆壓、大鉤負荷、大鉤高度、井眼深度、鉆頭位置；取自旋轉系統的轉盤轉速、轉盤扭矩；取自循環系統的泥漿密度、泥漿進出口溫度、地面泥漿總體積、進出口泥漿流量、泥漿進出口電導率、泵壓、泵排量、烴類氣體含量；取自監測參數的水力參數、鉆井參數；上述特征數據與泥漿性能有關，與機械特性相聯系，綜合反映了鉆井工程各個設備與系統的工作狀態，并很好地反映鉆井過程的運行狀況，是后續事故發生預測的基礎；

隱藏層節點數沒有固定的公式，根據經驗選取；

輸出層的節點數為3，分別對應卡鉆、井涌、井噴三種異常情況；

隨機選出步驟S1中標注的若干鉆井時序數據中的部分數據，并將部分數據作為訓練集；

將鉆井中產生的36個特征數據進行組合，并根據設置的時間窗口大小切分鉆井實時數據，得到輸入矩陣；

迭代所述訓練集中的數據，并輸出1分鐘后鉆井現場事故發生概率和事故類型，進而得到鉆井事故預警模型。

2.根據權利要求1所述的基于時間遞歸神經網絡的鉆井事故預警方法，其特征在于：若所述特征數據值與真實值之間的差異高于預設的閾值，則棄用所述特征數據值；若所述特征數據值與真實值之間的差異低于預設的閾值，則得到所述特征數據值的事故候選集。