一种刺钻具自动识别与报警方法技术

本发明专利技术公开了一种刺钻具自动识别与报警方法，包括以下步骤：S1、划定刺钻具关键特征参数；S2、获取待预测是否将会发生钻具刺漏的目标井临近井钻井数据；S3、得到预处理钻井序列数据；S4、将预处理钻井序列数据分割为训练集和验证集；S5、利用获得的历史数据创建并训练LSTM神经网络模型；S6、使用贝叶斯网络对模型超参数进行优化，利用训练出的模型预测出未来的钻井序列数据；S7、预测待预测目标井是否将会发生刺钻具。通过预处理剔除原始钻具刺漏序列数据中的具有显著规律的波动特征，便于LSTM神经网络模型进行训练和预测；通过采用贝叶斯优化算法对LSTM神经网络模型的超参数进行优化选择，能够提高LSTM神经网络模型的收敛速度和预测效果。和预测效果。和预测效果。

【技术实现步骤摘要】
一种刺钻具自动识别与报警方法


[0001]本专利技术涉及石油钻井
，更具体地说是一种刺钻具自动识别与报警方法。

技术介绍

[0002]石油钻井是石油天然气勘探开发的重要手段，随着石油勘探的快速发展和钻井新技术的迅速推广，钻具刺漏在钻井过程中出现的事故占比随之增大，在钻井施工中钻具刺漏会造成严重事故，造成经济损失甚至威胁到施工人员的生命安全。通常钻具刺漏是通过人为以工况参数变化和经验为依据来判断刺钻具，不准确、不及时。钻井过程是一个长期的、连续的过程，录井数据的细微变化往往是钻具刺漏发生的征兆，因此要确保钻具刺漏监测的可靠性就要求现场人员长时间、连续地关注钻井参数的变化。
[0003]张涛等提出钻井施工防止钻具事故的钻具刺漏检测分析系统，系统将检测和分析以及平衡气体为一体，准确快速的完成钻具刺漏工况分析；费洪明提出了一种基于范例推理的钻具失效诊断与预测方法，根据现场实际钻井资料，利用影响钻具失效因素的数据建立范例库，通过数据挖掘的技术获取相似范例，实现通过范例推理的方法诊断和预测可能发生的钻具失效。
[0004]现使用基于LSTM神经网络和贝叶斯算法的刺钻具识别与报警方法，能快速识别钻井过程中的钻具刺漏，从而避免造成更为严重的钻井事故，减少施工单位经济损失。
[0005]目前存在的一些问题：
[0006]目前钻井施工作业平均时效仅70％，现场无法大规模利用录井数据实时监测
[0007]钻井作业工况，钻井时效分析主要依赖于现场仪器的传输效率和作业人员的经验诊断，存在无法处理大量实时施工数据、决策反馈机制慢、预测精度低等问题。
[0008]无论是结合专家系统或者利用调整好的预测模型，大多为根据经验提前设置好钻具刺漏特征参数，相比模型自动学习更容易忽略参数间线性关系，导致最终拟合效果不好。

技术实现思路

[0009]为了克服现有技术的上述缺陷，本专利技术提供一种刺钻具自动识别与报警方法。应用于油田，使能够提前预测钻具刺漏工况。
[0010]为实现上述目的，本专利技术提供如下技术方案：
[0011]一种刺钻具自动识别与报警方法，包括以下步骤：
[0012]S1、划定刺钻具关键特征参数；
[0013]S2、获取待预测是否将会发生钻具刺漏的目标井临近井钻井数据；
[0014]S3、得到预处理钻井序列数据；
[0015]S4、将预处理钻井序列数据分割为训练集和验证集；
[0016]S5、利用获得的历史数据创建并训练LSTM神经网络模型；
[0017]S6、使用贝叶斯网络对模型超参数进行优化，利用训练出的模型预测出未来的钻井序列数据；
[0018]S7、使用朴素贝叶斯模型，结合预测的钻井序列数据，预测待预测目标井是否将会发生刺钻具。
[0019]进一步的，具体步骤如下：
[0020]步骤1：采集数据：获取待预测工况井的临近井历史数据，数据集包含钻进状态下的立管压力、钻井液入口流量、转盘扭矩、转盘转速、钻井液出口流量；
[0021]步骤2：数据预处理：对采集到的数据依次进行数据清理、集成、规约和变换；
[0022]步骤3：得到预处理钻井序列数据；
[0023]步骤4：数据分割形成数据训练和测试样本，将预处理数据70％划为训练集，
[0024]30％划为验证集；
[0025]4(a)：将采集到的数据集中80％作为训练样本集，其余数据作为测试样本集，并对训练样本集和测试集进行归一化，得到归一化训练样本集V和测试样本集T；
[0026]4(b)：采用滑动窗口方法，从V中提取长度为m的连续数据，并将其作为LSTM神经网络模型的训练集Xtrain，提取第m+1个数据作为Xtrain的标签Ytrain，同时从T中提取长度为m的连续数据，并将其作为LSTM神经网络的测试集Xtest，提取第m+1个数据作为Xtest的标签Ytest；
[0027]步骤5：初始化LSTM网络的超参数；
[0028]步骤6：初始化LSTM神经网络模型的参数；
[0029]6(a)：将LSTM网络的输出h<0>和元胞状态c<0>初始化为0；将LSTM网络隐藏层的权重矩阵Wc和偏置bc、输入门的权重矩阵Wi和偏置bi、输出门的权重矩阵Wo和偏置bo以及忘记门的权重矩阵Wf和偏置bf初始化为0～1之间的随机数；设置LSTM网络输入层神经元的个数为i+1，隐藏层、输入门、忘记门和输出门神经元的个数均为i；
[0030]6(b)：将线性回归网络的权重矩阵Wl和偏置bl初始化为0～1之间的随机数；设置线性回归网络的输入层神经元个数为i，输出层神经元个数为1；
[0031]步骤7：使用历史井的钻具刺漏关键参数历史数据训练LSTM模型；
[0032]7(a)：设置LSTM神经网络的训练迭代次数为M，误差目标值为Acc，训练误差值为err，其中M＝1，2，3
…
Mmax，Mmax为预设值；
[0033]7(b)：将训练集Xtrain和初始化的h输入到LSTM神经网络中，计算LSTM神经网络的输出值h，再将h输入到线性回归网络中，得到归一化预测结果Ytrain
‑
pre；
[0034]7(c)：采用基于时间的反向传播算法，通过Ytrain
‑
pre和Ytrain对LSTM神经网络进行微调，实现对LSTM神经网络参数的更新，得到微调后的LSTM神经网络；
[0035]7(d)：采用平均绝对误差评估方法，通过Ytrain
‑
pre和Ytrain计算LSTM神经网络的预测误差Acctrain，并判断Acctrain；
[0036]7(e)：令M＝M+1，并重复步骤(4b)至(4d)，将M＝Mmax时err所对应的LSTM神经网络作为训练好的LSTM神经网络；
[0037]7(f)：将测试集Xtest输入到训练好的LSTM神经网络中，得到归一化流量预测结果Ypre，采用平均绝对误差评估方法，通过Ypre和Ytest计算训练好的LSTM复合网络的预测误差Accpre，判断Accpre>Acc是否成立，若是，调整M，并执行步骤(7)，否则，执行步骤(8)；
[0038]步骤8：使用贝叶斯网络对超参数进行优化；
[0039]步骤9：获得短期钻具刺漏关键特征参数预测序列；将归一化训练样本集V和测试
样本集T输入到训练好的LSTM神经网络中，得到归一化钻具刺漏关键参数序列预测结果Ypre，并对Ypre进行反归一化，得到未来的钻具刺漏关键参数序列预测值；
[0040]步骤10：使用朴素贝叶斯结合特征钻具刺漏关键参数序列数据进行预测；
[0041]步骤11：得到刺钻具识别、预测结果。
[0042]其中步骤6至步骤8为基于贝叶斯网络优化的LSTM模型过程。
[0043]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刺钻具自动识别与报警方法，其特征在于，包括以下步骤：S1、划定刺钻具关键特征参数；S2、获取待预测是否将会发生钻具刺漏的目标井临近井钻井数据；S3、得到预处理钻井序列数据；S4、将预处理钻井序列数据分割为训练集和验证集；S5、利用获得的历史数据创建并训练LSTM神经网络模型；S6、使用贝叶斯网络对模型超参数进行优化，利用训练出的模型预测出未来的钻井序列数据；S7、使用朴素贝叶斯模型，结合预测的钻井序列数据，预测待预测目标井是否将会发生刺钻具。2.根据权利要求1所述的一种刺钻具自动识别与报警方法，其特征在于：具体步骤如下：步骤1：采集数据：获取待预测工况井的临近井历史数据，数据集包含钻进状态下的立管压力、钻井液入口流量、转盘扭矩、转盘转速、钻井液出口流量；步骤2：数据预处理：对采集到的数据依次进行数据清理、集成、规约和变换；步骤3：得到预处理钻井序列数据；步骤4：数据分割形成数据训练和测试样本，将预处理数据70％划为训练集，30％划为验证集；步骤5：初始化LSTM网络的超参数；步骤6：初始化LSTM神经网络模型的参数；步骤7：使用历史井的钻具刺漏关键参数历史数据训练LSTM模型；步骤8：使用贝叶斯网络对超参数进行优化；步骤9：获得短期钻具刺漏关键特征参数预测序列；将归一化训练样本集V和测试样本集T输入到训练好的LSTM神经网络中，得到归一化钻具刺漏关键参数序列预测结果Ypre，并对Ypre进行反归一化，得到未来的钻具刺漏关键参数序列预测值；步骤10：使用朴素贝叶斯结合特征钻具刺漏关键参数序列数据进行预测；步骤11：得到刺钻具识别、预测结果。3.根据权利要求2所述的一种刺钻具自动识别与报警方法，其特征在于：所述步骤4包括：4(a)：将采集到的数据集中80％作为训练样本集，其余数据作为测试样本集，并对训练样本集和测试集进行归一化，得到归一化训练样本集V和测试样本集T；4(b)：采用滑动窗口方法，从V中提取长度为m的连续数据，并将其作为LSTM神经网络模型的训练集Xtrain，提取第m+1个数据作为Xtrain的标签Ytrain，同时从T中提取长度为m的连续数据，并将其作为LSTM神经网络的测试集Xtest，提取第m+1个数据作为Xtest的标签Ytest。4.根据权利要求2所述的一种刺钻具自动识别与报警方法，其...

【专利技术属性】
技术研发人员：孙源，白林坤，倪朋勃，向超，钱晓东，王江涛，
申请(专利权)人：中法渤海地质服务有限公司，
类型：发明
国别省市：