[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

本發明公開了一種基于時間遞歸神經網絡的鉆井事故預警方法。第一步，采用自回歸模型分析方法預測某一時刻的鉆井特征值，并衡量預測得到的特征值與該時刻鉆井真實數據之間的差異，由此得到事故候選集合。然后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；最后獲得已標注的若干鉆井時序數據；在獲得標注數據的前提下，訓練一個有監督的模型，第二步，基于深度學習，構建時間遞歸神經網絡模型。首先，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，然后對模型進行訓練，最終預測輸出一分鐘后的事故發生概率與事故發生的類型。

技術領域

本發明屬于鉆井預警模型的技術領域，具體涉及一種基于時間遞歸神經網絡的鉆井事故預警方法。

背景技術

在鉆井施工過程中，工程事故發生的可能性隨時都存在，事故的發生會造成資金的巨大損失和時間的巨大浪費。而在工程事故發生前給出某種程度、某種意義上的警示，對于預防事故的發生、控制事故的發展、最大限度的減少損失都具有重大意義。長期以來，安全鉆井和優化鉆井一直是鉆探工程的重要研究課題之一，根據鉆井過程中的參數變化，分析和處理鉆井數據，建立事故預警模型來預測并診斷事故現象，及時知道各種可能出現的鉆井事故，如井涌、井噴及卡鉆等，才能保證鉆井作業正常進行。

現已有的用于預測鉆井事故的方法，主要包括：通過計算計劃的預期井眼能量和計劃的井身的預期迂曲度來對鉆井事故的發生進行預測；用液壓循環系統模擬過程中套管內油氣輸運特性；通過水壓緩沖器的波動變化信號，使報警器發出事故報警。

這三種方法，都通過對鉆井時一個或兩個特征信號改變，如根據計算計劃的預期井眼能量和計劃的井身的預期迂曲度或是根據泵壓的改變等來對鉆井事故是否會發生進行判斷，而事故發生的影響因素又有很多，所以現有的技術對鉆井事故的預測不夠準確和全面。

發明內容

本發明的目的在于針對現有技術中的上述不足，提供一種基于時間遞歸神經網絡的鉆井事故預警方法，以解決現有鉆井預警方法對鉆井事故的預測不夠準確和全面的問題。

為達到上述目的，本發明采取的技術方案是：

一種基于時間遞歸神經網絡的鉆井事故預警方法，其包括：

S1、采用自回歸模型分析方法預測某一時刻的鉆井特征值，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；

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。

優選地，實現步驟S1的方法為：

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中的數據預測本時刻的鉆井特征值；

根據相似性衡量標準衡量所述時刻的特征值與鉆井真實數據之間的相似性，若所述相似性低于預設的閾值，則判斷所述時刻出現鉆井事故，并得到鉆井事故候選集合；

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。

優選地，輸出一分鐘后的事故發生概率與事故發生的類型的方法為：

構建預測事故的神經網絡模型；

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，得到模型的輸入；