钻井溢流预警的方法及装置制造方法及图纸

本发明专利技术公开了一种钻井溢流预警的方法及装置，该方法包括：根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集；建立BP

【技术实现步骤摘要】
钻井溢流预警的方法及装置


[0001]本专利技术涉及油气勘探开发
，尤其涉及钻井溢流预警的方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]伴随着原油的不断开采，油气勘探开发领域正在由常规油气资源向深层超深层、海洋深水方向转变，面临着资源劣质化、勘探多元化等挑战。
[0004]由于地层信息预测不准确、钻井操作不当等因素，溢流发生频繁。
[0005]溢流发生时，倘若发现不及时或太晚，都会导致严重的井下事故，如井喷。事实证明，当溢流发生之后，快则在10分钟之内，慢则在10～30分钟内，将会引发更为严重的井喷事故，造成设备损坏、人员伤亡、环境污染以及油井工程报废等严重后果。因此溢流也是钻井中高频、高危害的事故之一。现阶段一般十分重视溢流井喷事故，并且采取各种手段进行预警调控。
[0006]目前，多使用进出口流量差值变化、钻井液性质参数变化和井底参数变化作为溢流预警的判断依据，但由于溢流影响因素多，变化规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钻井溢流预警的方法，其特征在于，包括：根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集；所述溢流数据集包括训练样本数据集和测试样本数据集；建立BP
‑
LSTM神经网络模型；所述BP
‑
LSTM神经网络模型用于表征全连接神经网络和长短期记忆神经网络串联后的神经网络结构；以训练样本数据集，对BP
‑
LSTM神经网络模型进行训练，得到溢流预警神经网络模型；将测试样本数据集，输入至溢流预警神经网络模型，得到第一钻井溢流发生概率；根据钻井的录井数据和钻井工程数据，进行井筒内压力计算，得到井底压力与地层压力的差值；根据井底压力与地层压力的差值，计算得到第二钻井溢流发生概率；对第一钻井溢流发生概率和第二钻井溢流发生概率进行加权计算，得到钻井溢流的加权概率；在加权概率超过预设数值时，发出钻井溢流的预警信息。2.如权利要求1所述的方法，其特征在于，还包括：对钻井的录井数据和钻井工程数据，进行数据预处理，得到处理后的钻井数据；所述预处理包括：数据整理清洗处理、数据补全处理和数据标准化处理；根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集，包括：根据处理后的钻井数据，建立用于神经网络训练和神经网络输入的溢流数据集。3.如权利要求1所述的方法，其特征在于，根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集，包括：利用卡方检验，根据钻井的录井数据和钻井工程数据，选取录井特征数据；根据选取的录井特征数据，建立用于神经网络训练和神经网络输入的溢流数据集。4.如权利要求1所述的方法，其特征在于，按如下方式建立BP
‑
LSTM神经网络模型：将交叉熵损失函数作为全连接神经网络和长短期记忆神经网络的损失函数；将全连接神经网络和长短期记忆神经网络的损失函数相加，得到BP
‑
LSTM神经网络模型的损失函数；对BP
‑
LSTM神经网络中的超参数进行参数寻优操作；所述超参数包括隐藏层数量、神经元个数、激活函数、损失函数和优化器。5.如权利要求1所述的方法，其特征在于，所述溢流数据集还用于神经网络验证；所述溢流数据集还包括验证样本数据集；在得到溢流预警神经网络模型后，所述方法还包括：利用正交试验法，以准确率、精确率、召回率、漏警率和虚警率为评价指标，使用验证样本数据集，对溢流预警神经网络模型进行验证，得到验证好的溢流预警神经网络模型。6.如权利要求1所述的方法，其特征在于，根据钻井的录井数据和钻井工程数据，进行井筒内压力计算，得到井底压力与地层压力的差值，包括：使用钻井的录井数据和钻井工程数据中的井身结构数据和钻井液性能数据，将井口压力作为边界条件，通过质量守恒方程和能量守恒方程，进行井筒内压力计算，得到井底压力与地层压力的差值。
7.如权利要求1所述的方法，其特征在于，按如下公式进行井筒内压力计算，得到井底压力与地层压力的差值：ΔP＝P
p
‑
P
downhole...

【专利技术属性】
技术研发人员：刘伟，宋先知，付加胜，蒋宏伟，段世明，李牧，翟小强，王振，
申请(专利权)人：中国石油集团工程技术研究院有限公司，
类型：发明
国别省市：