基于贝叶斯算法的钻井溢流预警方法、系统及存储介质技术方案

本发明专利技术公开了一种基于贝叶斯算法的钻井溢流预警方法、系统和存储介质，包括以下步骤：1)根据已钻井历史数据建立数据样本；2)分类样本中的属性；3)计算溢流发生和未发生的先验概率；4)计算离散型属性和连续型属性的条件概率；5)根据贝叶斯数据挖掘算法，基于步骤3)所得先验概率、步骤4)所得的离散型属性和连续型属性的条件概率，计算溢流发生的后验概率和溢流未发生的后验概率；6)比较步骤5)中溢流发生和溢流未发生的后验概率的大小，若前者大于后者，则判断为发生溢流，否则判断为未溢流。

【技术实现步骤摘要】
基于贝叶斯算法的钻井溢流预警方法、系统及存储介质
本专利技术涉及一种基于贝叶斯数据挖掘算法的钻井溢流预警方法、预警系统及存储介质，属于人工智能数据挖掘工程应用领域。
技术介绍
钻井工程中，若出现溢流未能及时发现并关井处理，可能使溢流事件演变为井涌甚至井喷事故，造成人员和设备损失。目前，现有溢流判别方法大多是基于钻井过程中现场作业人员对地面现象的肉眼识别，例如出入口流量不均衡，返出量异常高，或者活动池液面增加，则判断井下发生溢流。但是当人员已经观测到上述现象时，井下溢流早已发生一段时间，大量流体已进入井筒。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于贝叶斯数据挖掘算法的钻井溢流预警方法、系统及存储介质，该方法预警结果实时性强，可避免现场观察法发现溢流的滞后性缺陷。为实现上述目的，本专利技术采用以下技术方案：第一方面，本专利技术提供一种基于贝叶斯算法的钻井溢流预警方法，包括以下步骤：1)根据已钻井历史数据建立数据样本每一样本表示为：X＝{X1,X2,…Xn,C}...

【技术保护点】
1.一种基于贝叶斯算法的钻井溢流预警方法，其特征在于，包括以下步骤：/n1)根据已钻井历史数据建立数据样本/n每一样本表示为：/nX＝{X

【技术特征摘要】
1.一种基于贝叶斯算法的钻井溢流预警方法，其特征在于，包括以下步骤：
1)根据已钻井历史数据建立数据样本
每一样本表示为：
X＝{X1,X2,…Xn,C}
式中，X1,X2,…Xn分别表示反映井底情况的工程参数；C表示溢流值，分“是”或“否”；
2)分类样本中的属性
根据需判断溢流与否的目标井的工程参数xk(k＝1,2,3,…i),xl(l＝i+1,i+2,i+3,…n)，将样本的前n个属性分为离散型属性Xk(k＝1,2,3,…i)和连续型属性Xl(l＝i+1,i+2,i+3,…n)；
3)计算溢流发生和未发生的先验概率；
4)计算离散型属性和连续型属性的条件概率；
5)根据贝叶斯数据挖掘算法，基于步骤3)所得先验概率、步骤4)所得的离散型属性和连续型属性的条件概率，计算溢流发生的后验概率和溢流未发生的后验概率；
6)比较步骤5)中溢流发生和溢流未发生的后验概率的大小，若前者大于后者，则判断为发生溢流，否则判断为未溢流。


2.如权利要求1所述的基于贝叶斯算法的钻井溢流预警方法，其特征在于，在上述步骤3)中，溢流发生的先验概率为溢流值为“是”的样本数量占总样本数量的百分比，公式如下：



式中，S是代表样本中溢流值为“是”的样本数量；
溢流未发生的先验概率为溢流值为“否”的样本数量占总样本数量的百分比，公式如下：



式中，S否代表样本中溢流值为“否”的样本数量。


3.如权利要求1所述的基于贝叶斯算法的钻井溢流预警方法，其特征在于，在上述步骤4)中，每一离散型属性的条件概率分溢流值为“是”和“否”两种条件；
在溢流值为“是”的所有样本中，离散型属性所占的数量百分比即为其溢流值为“是”的条件概率，表达式如下：



其中，Sk,是表示溢流值为“是”的所有样本中，属性Xk的值为xk的样本数量；
在溢流值为“否”的所有样本中，离散型属性所占的数量百分比即为其溢流值为“否”的条件概率，表达式如下：



其中，Sk,否表示溢流值为“否”的所有样本中，属性Xk的值为xk的样本数量；
假设每个连续型属性的条件概率均符合高斯分布，每一连续型属性的条件概率分溢流值为“是”和“否”两种条件；
在溢流值为“是”的所有样本中，每一连续型属性的条件概率为：



式中，μl,是与σl,是分别表示...

【专利技术属性】
技术研发人员：袁俊亮，殷志明，范白涛，李中，幸雪松，谢仁军，李梦博，
申请(专利权)人：中海石油中国有限公司，中海石油中国有限公司北京研究中心，
类型：发明
国别省市：北京;11