[發明專利]鉆井溢流診斷模型的生成方法、鉆井溢流診斷方法及裝置

有效

• 申請號: 202110636358.3
• 申請日: 2021-06-08
• 公開（公告）號: CN113268803B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 岳元龍;李仙琳;左信;高小永
• 申請（專利權）人: 中國石油大學(北京)
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F113/08;G06F119/08;G06F119/10
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 謝層層;李雅琪

1.一種鉆井溢流診斷模型的生成方法，其特征在于，包括：

獲取發生溢流事件的鉆井的多組歷史數據，所述多組歷史數據中的部分采集于溢流事件發生前，其余部分采集于溢流事件發生期間，其中每組歷史數據包括同一時刻采集的用于表示鉆井現場狀況的多維現場數據；

獲取所述多組歷史數據中的部分組分別對應的標記數據，所述標記數據用于表示在一組歷史數據被采集的時刻鉆井是否已發生溢流事件；

以所述多組歷史數據以及對應的標記數據作為多個訓練樣本，訓練神經網絡模型，得到鉆井溢流診斷模型；其中，每個訓練樣本中的多維現場數據作為模型的輸入數據，鉆井是否已發生溢流事件的標記數據作為模型的輸出數據；其中，所述以所述多組歷史數據以及對應的標記數據作為多個訓練樣本，訓練神經網絡模型，得到鉆井溢流診斷模型的步驟，包括：

確定神經網絡模型的單隱含層節點的數量，選取激活函數，并隨機初始化各個隱含層節點的輸入權重及偏置，得到隱含層各節點的輸出矩陣H；

選取相似性度量函數，基于訓練樣本的輸入數據組成的矩陣建立圖拉普拉斯矩陣L；

選取正則化參數C₀，計算懲罰矩陣C；其中，懲罰矩陣C為對角矩陣，每個對角元素與一個具有標記數據的訓練樣本對應，其第i行第i列的元素為C_i＝C₀/N_y，并且當C_i所對應的訓練樣本中的標記數據表示已發生溢流事件時，N_y為標記數據表示已發生溢流事件的訓練樣本的數量；當C_i所對應的訓練樣本中的標記數據表示未發生溢流事件時，N_y為標記數據表示未發生溢流事件的訓練樣本的數量；

根據等式β＝(I+H^TCH+λH^TLH)^-1H^TCY求解隱含層的輸出權重，得到神經網絡模型Y＝Hβ；其中，I為單位矩陣，λ為預先選取的流形正則化參數，

x₁、x₂……x_N為神經網絡模型的輸入數據，N為輸入數據的個數，為隱含層節點的個數，g(x)為隱含層的激活函數，m為輸入數據的維數，w₁、w₂……w_N％分別為神經網絡隱含層各節點的輸入權重，N％為隱含層節點數，b₁、b₂……b_N％分別為神經網絡隱含層各節點的偏置；H表示隱含層各節點的輸出，β₁,β₂L為求解出的隱含層的輸出權重；y₁,y₂L y_N為神經網絡模型的輸出數據。