[發明專利]一種面向海上石油鉆井的深度可遷移多因子事故預警方法及系統

在審

• 申請號: 202110851997.1
• 申請日: 2021-07-27
• 公開（公告）號: CN113627079A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 黃熠;張萬棟;李炎軍;羅鳴;彭巍;陳江華;吳江;董釗;韓成
• 申請（專利權）人: 中國海洋石油集團有限公司;中海石油（中國）有限公司海南分公司;中海石油（中國）有限公司湛江分公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉瑤云;陳偉斌

本發明涉及海上石油鉆井安全監測技術領域，更具體地，涉及一種面向海上石油鉆井的深度可遷移多因子事故預警方法及系統。其中，事故預警方法，包括以下具體步驟：S1：獲取各鉆井數據單屬性因子的相關性分數；S2：根據相關性分數確定關鍵因子；S3：通過訓練關鍵因子獲取數據深度特征；S4：通過數據深度特征獲取預測結果。本發明的目的在于克服現有技術的不足，提供一種應用在海上石油鉆井上且可針對多個導致事故發生的關鍵因子進行篩選后用于預測事故發生的預警方法。

技術領域

本發明涉及海上石油鉆井安全監測技術領域，更具體地，涉及一種面向海上石油鉆井的深度可遷移多因子事故預警方法及系統。

背景技術

海上石油鉆井是一項復雜的地下工程，鉆井過程中伴隨著大量隨機不可控的因素。由地層結構、水文、鉆井工藝、油氣分布等諸多原因造成的鉆井事故，嚴重威脅著鉆井安全，嚴重的事故會造成巨大的經濟損失。實時檢測、準確預警鉆井事故一直是海上石油鉆井領域的強硬需求，對該項技術的研究對于保障鉆井安全、降低成本和提高效益具有重要的意義。目前該項技術現有的方法大多基于異常檢測，此類方法利用在一段時間內單個或少數幾個單屬性因子的值的異常波動來定義異常給出預警，基于這種原理的方法有如下幾個缺點，(1)僅考慮單個或少數幾個關鍵因子值的異常波動來進行事故的預警，此種簡單表述異常特征的方法容易造成虛警率高或者預警置信度低；(2)無法將單個或少數幾個屬性因子的異常波動與事故的發生有效地聯系起來，事故發生可能性的預估仍需人為介入進行判斷；3)在不同數據環境下需要設計不同的參數體系，可遷移性較差。

中國專利CN109508827A公開了一種基于時間遞歸神經網絡的鉆井事故預警模型，通過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。該方案中采用同時考慮多個屬性因子進行事故預警，但其多個屬性因子是隨機的，并非經過挑選的與事故關聯性較高的屬性因子，然后通過對這些隨機的屬性因子進行訓練及預測獲取預警，因此，該預警結果缺乏數據針對性，使整個預測模型雜音太多，容易造成虛警率高。

發明內容

本發明的目的在于克服現有技術的不足，提供一種應用在海上石油鉆井上且可針對多個導致事故發生的關鍵因子進行篩選后用于預測事故發生的預警方法。

為解決上述技術問題，本發明采用的技術方案是：

提供一種海上石油鉆井的事故預警方法，包括以下具體步驟：

S1：根據海上石油鉆井事故與各鉆井數據單屬性因子在時序維度的關聯分析，確定事故與各單屬性因子的相關性程度；

S2：根據海上石油鉆井事故與各單屬性因子的相關性程度大小，挑選相關性較高的多個因子作為關鍵因子；

S3：利用長短時序記憶網絡，預測步驟S2選定的多個關鍵因子的數據走向；

S4：綜合考慮多個關鍵因子之間的聯系以及多個關鍵因子在時序維度的信息，結合步驟S3的預測數據，利用深度學習網絡表述數據的深度特征；

S5：根據步驟S4提取的深度特征，訓練可遷移的多因子檢測器，實現面向海上石油鉆井的深度可遷移多因子事故預測。

本發明通過篩選出多個與卡鉆事故相關的單屬性因子作為關鍵因子，然后將這些關鍵因子結合起來，進行數據走向預測分析，最終獲得預測結果實現面向海上石油鉆井的事故預測；本發明的事故預警方法綜合了多種海上石油鉆井事故發生的關鍵因子，可避免某單屬性因子的異常而造成的虛警率高的現象，進一步提升了預測的準確性，而且，現實中海上石油鉆井事故的發生也是由于多因素導致的，而非單因素造成的，本發明具有現實意義；同時，本發明將若干關鍵因子準確地提取出來，還可以作為后續對這些關鍵因子進行深入研究的基礎，探索多個關鍵因子與海上石油鉆井事故發生之間的聯系。