The invention discloses a drilling accident early warning model based on time recursive neural network. In the first step, the autoregressive model analysis method is used to predict the drilling eigenvalues at a certain time, and to measure the difference between the predicted eigenvalues and the real drilling data at that time, so as to get the candidate set of accidents. Then, expert knowledge is used to judge the truth and falsity of the accidents in the candidate set of accidents and to classify the types of accidents. Finally, several drilling time series data are obtained. On the premise of obtaining the labeled data, a supervised model is trained. The second step is to construct a time recursive neural network model based on in-depth learning. Firstly, the partially labeled time series data are randomly selected as the training set, and the specific input is the combination of each feature and the selection of time window. Then the model is trained, and the accident probability and the type of accident occurring one minute after the output are predicted.
【技术实现步骤摘要】
一种基于时间递归神经网络的钻井事故预警模型
本专利技术属于钻井预警模型的
,具体涉及一种基于时间递归神经网络的钻井事故预警模型。
技术介绍
在钻井施工过程中,工程事故发生的可能性随时都存在,事故的发生会造成资金的巨大损失和时间的巨大浪费。而在工程事故发生前给出某种程度、某种意义上的警示,对于预防事故的发生、控制事故的发展、最大限度的减少损失都具有重大意义。长期以来,安全钻井和优化钻井一直是钻探工程的重要研究课题之一,根据钻井过程中的参数变化,分析和处理钻井数据,建立事故预警模型来预测并诊断事故现象,及时知道各种可能出现的钻井事故,如井涌、井喷及卡钻等,才能保证钻井作业正常进行。现已有的用于预测钻井事故的方法,主要包括:通过计算计划的预期井眼能量和计划的井身的预期迂曲度来对钻井事故的发生进行预测;用液压循环系统模拟过程中套管内油气输运特性;通过水压缓冲器的波动变化信号,使报警器发出事故报警。这三种方法,都通过对钻井时一个或两个特征信号改变,如根据计算计划的预期井眼能量和计划的井身的预期迂曲度或是根据泵压的改变等来对钻井事故是否会发生进行判断,而事故发生的影响因素又有很多,所以现有的技术对钻井事故的预测不够准确和全面。
技术实现思路
本专利技术的目的在于针对现有技术中的上述不足,提供一种基于时间递归神经网络的钻井事故预警模型,以解决现有钻井预警方法对钻井事故的预测不够准确和全面的问题。为达到上述目的,本专利技术采取的技术方案是:一种基于时间递归神经网络的钻井事故预警模型,其包括:S1、采用自回归模型分析方法预测某一时刻的钻井特征值,并衡量预测得到的特征值与所 ...
【技术保护点】
1.一种基于时间递归神经网络的钻井事故预警模型,其特征在于,包括:S1、采用自回归模型分析方法预测某一时刻的钻井特征值,并衡量预测得到的特征值与所述时刻钻井真实数据之间的差异,得到事故候选集合;利用专家知识对事故候选集合中的事故进行真伪判断,并划分事故类型,获得已标注的若干钻井时序数据;S2、基于深度学习,构建时间递归神经网络模型;随机选取部分标注的时序数据作为训练集,具体输入为各特征的组合和时间窗口的选取,并对模型进行训练,预测输出一分钟后的事故发生概率与事故发生的类型。
【技术特征摘要】
1.一种基于时间递归神经网络的钻井事故预警模型,其特征在于,包括:S1、采用自回归模型分析方法预测某一时刻的钻井特征值,并衡量预测得到的特征值与所述时刻钻井真实数据之间的差异,得到事故候选集合;利用专家知识对事故候选集合中的事故进行真伪判断,并划分事故类型,获得已标注的若干钻井时序数据;S2、基于深度学习,构建时间递归神经网络模型;随机选取部分标注的时序数据作为训练集,具体输入为各特征的组合和时间窗口的选取,并对模型进行训练,预测输出一分钟后的事故发生概率与事故发生的类型。2.一种用于权利要求1所述的基于时间递归神经网络的钻井事故预警模型,其特征在于,实现步骤S1的方法为:确定平滑窗口大小;根据自回归模型分析方法,利用时间序列数据一个时刻前的一个平滑窗口中的数据预测本时刻的钻井特征值;根据相似性衡量标准衡量所述时刻的特征值与钻井真实数据之间的相似性,若所述相似性低于预设的阈值,则判断所述时刻出现钻井事故,并得到钻井事故候选集合;基于专家知识对事故候选集合中事故进行真伪判断,筛选钻井生产过程中真实的事故,并对事故类别划分,获得标注的大量钻井时序数据。3.一种用于权利要求1所述的基于时间递归神经网络的钻...
【专利技术属性】
技术研发人员:蒋裕强,陈雁,黄嘉鑫,文敏,葛忆,李平,朱宇,谢静,程超,付永红,钟学燕,蒋婵,蒋增政,钟原,郑津,
申请(专利权)人:西南石油大学,四川杰瑞泰克科技有限公司,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。