【技术实现步骤摘要】
本专利技术涉及钻井过程中井漏预测，也涉及数据驱动的深度学习，具体为一种基于wgan-gp-tabnet算法的井漏预警方法。
技术介绍
1、数字信息化时代，使用计算机和自动化技术处理油气钻井中处理油气钻井中遇到的各种问题越来越成为一种趋势。面对井下渗漏问题，处理措施不当会导致封堵成功率低，钻井液持续渗漏，现场工作时间损失增加，甚至会导致弃井发生。频繁的井漏问题耗费了大量的施工时间，堵漏施工会增加钻井周期，大大增加了钻井成本，而且不能满足低成本发展的战略需要。
2、基于数据驱动的机器学习或者深度学习方法似乎是一种解决方案。基于数据驱动的机器学习模型依赖于油田钻井时的所收集的各类参数，包括钻井参数、地质参数、工程参数、钻井液参数等，通过数据处理，特征提取，模型训练，模型评价等步骤，建立漏失层位的预测模型。深度学习模型在处理数据量大的情形下比机器学习模型具有优势，因为深度学习模型能够自动学习数据的高级特征表示，这意味着它们可以从原始数据中提取有用的特征，而无需手动进行特征工程。深度学习模型通常由多个层次组成，可以处理大量的参数，这使...
【技术保护点】
1.一种基于WGAN-GP-TabNet算法的井漏预警方法，特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于WGAN-GP-TabNet算法的井漏预警方法，其特征在于，根据漏失流量对LOESS降噪后的初始参数进行分级，具体的分级标准如下标所示：
3.根据权利要求1所述的一种基于WGAN-GP-TabNet算法的井漏预警方法，其特征在于，根据分级后各个等级中初始参数的数量对各个等级进行分类具体包括：统计LOESS处理后的初始参数中各类漏失等级的数据的比例，以漏失数据比例最高的漏失等级为基准，对于所有漏失等级，如果其所占比例与比例最高的漏...
【技术特征摘要】
1.一种基于wgan-gp-tabnet算法的井漏预警方法，特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于wgan-gp-tabnet算法的井漏预警方法，其特征在于，根据漏失流量对loess降噪后的初始参数进行分级，具体的分级标准如下标所示：
3.根据权利要求1所述的一种基于wgan-gp-tabnet算法的井漏预警方法，其特征在于，根据分级后各个等级中初始参数的数量对各个等级进行分类具体包括：统计loess处理后的初始参数中各类漏失等级的数据的比例，以漏失数据比例最高的漏失等级为基准，对于所有漏失等级，如果其所占比例与比例最高的漏失等级所占比例的比值低于设定的归类阈值，则该漏失等级属于少数类，否则属于多数类。
4.根据权利要求3所述的一种基于wgan-gp-tabnet算法的井漏预警方法，其特征在于，所述设定的归类阈值为20％。
5.根据权利要求1所述的一种基于wgan-gp-tabnet算法的井漏预警方法，其特征在于，步骤2中筛选相关性强的特征参数包括如下步骤：
6.根据权利要求4所述的一种基于wgan-gp-tabnet算法的井漏预警方法，其特征在于，步骤s2包括对于同一模型的特征参数按照相关性递增的顺序对各个特征参数进行排序，各个特征参数的分值等于其位次的值，步骤s3包括计算各个特征参数的总分，并根据总分排序确定各个特征参数的综合重要程度；
7.根据权利要求1所述的一种基于wgan-gp-tabnet算法的井漏预警方法，其特征在于，步...
【专利技术属性】
技术研发人员：许成元，周杰，康毅力，郭昆，谢军，郝克桃，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：
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。