【技术实现步骤摘要】
本专利技术涉及智能钻探领域，尤其涉及一种智能钻探系统及其异常状态检测方法及其介质。
技术介绍
1、在石油和天然气勘探开发中，钻探作业是一个重要而复杂的环节。海底钻探作业尤其如此，其作业环境复杂、条件恶劣，因此需要高效可靠的智能钻探系统来确保作业的安全和效率。在钻探作业中，钻井设备的性能和状态对于作业效率和安全性至关重要。然而，传统的钻探系统在监测和处理异常状态方面存在一些挑战，例如缺乏实时性、准确性和自动化处理能力。
2、目前，随着传感器技术、数据处理技术和机器学习技术的发展，智能钻探系统的研发和应用正处于快速发展阶段，比如公开号为：cn110766192a一种基于深度学习的钻井井漏预测方法，该专利通过获取钻井生产运行数据，通过深度学习算法对钻井井漏事故进行预测，但该种方法仍然存在着以下一些问题：1.海底环境干扰：海底环境对传感器信号传输带来了诸多挑战，包括水压变化、海水介质、水流和海浪影响、海洋生物干扰以及海底地形等因素，这些因素可能导致传感器信号出现异常值和噪声，从而影响到海底环境中的传感器应用的准确性和稳定性。2.模型...
【技术保护点】
1.一种智能钻探系统的异常状态检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能钻探系统的异常状态检测方法，其特征在于，所述步骤数据预处理中数据清洗包括：对采集到的数据进行初步的筛查，识别并删除错误的数据点，检查是否存在缺失值，通过插值填充的方式处理，并删除存在的重复数据，确保每个时间点只有一个数据记录。
3.根据权利要求1所述的一种智能钻探系统的异常状态检测方法，其特征在于，所述步骤数据预处理中离群值检测算法中的Z分数法包括：计算数据集的均值μ和标准差σ；定义当前数据点的值为C，计算数据点的Z分数，设定阈值S；判断Z分数的...
【技术特征摘要】
1.一种智能钻探系统的异常状态检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能钻探系统的异常状态检测方法，其特征在于，所述步骤数据预处理中数据清洗包括：对采集到的数据进行初步的筛查，识别并删除错误的数据点，检查是否存在缺失值，通过插值填充的方式处理，并删除存在的重复数据，确保每个时间点只有一个数据记录。
3.根据权利要求1所述的一种智能钻探系统的异常状态检测方法，其特征在于，所述步骤数据预处理中离群值检测算法中的z分数法包括：计算数据集的均值μ和标准差σ；定义当前数据点的值为c，计算数据点的z分数，设定阈值s；判断z分数的绝对值是否大于阈值s，大于阈值s时，则将其标记为离群值，删除并修正为邻近值，小于阈值s时，则至下一步。
4.根据权利要求3所述的一种智能钻探系统的异常状态检测方法，其特征在于，所述z分数的计算公式为：
5.根据权利要求1所述的一种智能钻探系统的异常状态检测方法，其特征在于，所述步骤数据预处理中箱线图法包括：计算每个数据集中的四分位数(q1、q2、q3)和上下四分位距(iqr)，在图表中绘制箱体和须，标记处超出箱体上下...
【专利技术属性】
技术研发人员：刘晓林，陈浩文，高洁云，史剑光，
申请(专利权)人：中国地质科学院勘探技术研究所，
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。