一种面向钻井过程中溢流风险智能分级评价方法与流程

本发明涉及油气勘探开发，尤其是涉及一种面向钻井过程中溢流风险智能分级评价方法。

背景技术：

1、在信息化和智能化飞速发展的时代，油气资源勘探逐渐转向深层超深层、海洋深水等挑战性领域。在这些复杂的地质条件下，溢流等危险事件成为钻井过程中不可忽视的风险。由于深层、深水地质条件的不确定性，溢流风险的发生频率和影响逐渐增大，给油气勘探开发带来了巨大的挑战。

2、如何更有效地应对溢流风险，并确保勘探开发过程中的安全性和可持续性是目前亟需解决的重要问题，在这一挑战背景下，人工智能算法的引入为解决问题提供了创新的可能性。通过整合机理知识和深度学习等技术，我们能够更精准地识别溢流风险的特征，提高对风险等级的准确度。同时，通过实时上传现场数据到云端，利用云端计算和智能模型，我们能够实现即时、智能地对溢流风险进行分级评价。

3、本申请人发现当前油气勘探开发中面临的溢流风险分级的准确性和时效性得精度还有待提高，以确保能够及时采取措施，降低井下事故的发生率，提高钻井工人的生命安全水平，同时减轻环境污染的风险。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种面向钻井过程中溢流风险智能分级评价方法。

2、第一方面，本发明提供了一种面向钻井过程中溢流风险智能分级评价方法。所述方法包括：

3、选取钻井过程中存在溢流风险的相关特征分析并进行数据处理；

4、选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型；

5、构建求和自回归移动平均模型，并利用处理好的数据集训练求和自回归移动平均模型，并建立溢流表征规律参数预测模型；

6、构建溢流风险综合分级评价矩阵作为评价标准，并利用形态距离判断预测的特征参数曲线相似度确定溢流等级。

7、在其中一个实施例中，所述选取钻井过程中存在溢流风险的相关特征分析并进行数据处理中，所述特征参数至少包括：立管压力、入口流量、出口流量、总池体积和全烃含量。

8、在其中一个实施例中，所述选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型中，所述智能模型采用长短期记忆网络。

9、在其中一个实施例中，所述选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型中，训练智能模型采用动态学习率调整策略。

10、在其中一个实施例中，所述选取钻井过程中存在溢流风险的相关特征分析并进行数据处理中，所述数据处理包括：异常值清洗、无量纲化。

11、在其中一个实施例中，所述构建求和自回归移动平均模型，并利用处理好的数据集训练求和自回归移动平均模型，并建立溢流表征规律参数预测模型中，构建求和自回归移动平均模型时，对模型进行模块化设计，所述模块化设计包括不同时间尺度的移动平均模块。

12、在其中一个实施例中，所述构建溢流风险综合分级评价矩阵作为评价标准，并利用形态距离判断预测的特征参数曲线相似度确定溢流等级中，利用形态距离判断预测的特征参数曲线相似度时，引入动态权重调整机制，用于根据不同阶段溢流风险的重要性动态调整各个特征参数曲线的权重。

13、第二方面，本发明还提供了一种面向钻井过程中溢流风险智能分级评价装置。所述装置包括：

14、数据处理模块，用于选取钻井过程中存在溢流风险的相关特征分析并进行数据处理；

15、模型训练模块，用于选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型；

16、溢流表征规律参数预测模型建立模块，用于构建求和自回归移动平均模型，并利用处理好的数据集训练求和自回归移动平均模型，并建立溢流表征规律参数预测模型；

17、溢流等级生成模块，用于构建溢流风险综合分级评价矩阵作为评价标准，并利用形态距离判断预测的特征参数曲线相似度确定溢流等级。

18、第三方面，本发明还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述面向钻井过程中溢流风险智能分级评价方法。

19、第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述面向钻井过程中溢流风险智能分级评价方法。

20、本发明提供的面向钻井过程中溢流风险智能分级评价方法、装置、计算机设备和存储介质，通过参考机理知识，选择相关性较高的特征进行分析并进行数据处理；构建lstm模型，利用已有数据集训练模型，使之能够诊断溢流风险的发生。同时训练求和自回归移动平均模型在发生溢流时对特征参数进行预测。最后依据专家经验，构建溢流风险综合分级评价矩阵作为评价标准并利用形态距离判断预测的特征参数曲线相似度确定溢流等级。实现了对钻井过程中溢流风险的高效智能诊断分级。该方法能够即时、智能迅速而准确地识别溢流风险的发生并进行分级，有助于实时监测和应对潜在的安全隐患，提高钻井过程中的安全性和钻井效率。

技术特征：

1.一种面向钻井过程中溢流风险智能分级评价方法，其特征在于，包括：

2.根据权利要求1所述的一种面向钻井过程中溢流风险智能分级评价方法，其特征在于：所述选取钻井过程中存在溢流风险的相关特征分析并进行数据处理中，所述特征参数至少包括：立管压力、入口流量、出口流量、总池体积和全烃含量。

3.根据权利要求1所述的一种面向钻井过程中溢流风险智能分级评价方法，其特征在于：所述选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型中，所述智能模型采用长短期记忆网络。

4.根据权利要求3所述的一种面向钻井过程中溢流风险智能分级评价方法，其特征在于：所述选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型中，训练智能模型采用动态学习率调整策略。

5.根据权利要求1所述的一种面向钻井过程中溢流风险智能分级评价方法，其特征在于：所述选取钻井过程中存在溢流风险的相关特征分析并进行数据处理中，所述数据处理包括：异常值清洗、无量纲化。

6.根据权利要求1所述的一种面向钻井过程中溢流风险智能分级评价方法，其特征在于：所述构建求和自回归移动平均模型，并利用处理好的数据集训练求和自回归移动平均模型，并建立溢流表征规律参数预测模型中，构建求和自回归移动平均模型时，对模型进行模块化设计，所述模块化设计包括不同时间尺度的移动平均模块。

7.根据权利要求1所述的一种面向钻井过程中溢流风险智能分级评价方法，其特征在于：所述构建溢流风险综合分级评价矩阵作为评价标准，并利用形态距离判断预测的特征参数曲线相似度确定溢流等级中，利用形态距离判断预测的特征参数曲线相似度时，引入动态权重调整机制，用于根据不同阶段溢流风险的重要性动态调整各个特征参数曲线的权重。

8.一种面向钻井过程中溢流风险智能分级评价装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结本发明提供了一种面向钻井过程中溢流风险智能分级评价方法，涉及油气勘探开发技术领域，所述方法包括：选取钻井过程中存在溢流风险的相关特征分析并进行数据处理；选取能够诊断溢流风险发生的智能模型，并利用处理好的数据集训练该智能模型；构建求和自回归移动平均模型，并利用处理好的数据集训练求和自回归移动平均模型，并建立溢流表征规律参数预测模型；构建溢流风险综合分级评价矩阵作为评价标准，并利用形态距离判断预测的特征参数曲线相似度确定溢流等级，本发明能够即时、智能地识别溢流风险等级，提高钻井过程中的安全性和效率。技术研发人员：王晓鹏,张晓诚,谢涛,董平华,张启龙,刘坤,王江涛,杜建波,包骁敏,张超,高斌,孙龙飞,刘鹏受保护的技术使用者：中海石油（中国）有限公司技术研发日：技术公布日：2024/10/17