[发明专利]页岩气压裂井下事故预测预警方法及装置

权利要求书

1.一种页岩气压裂井下事故预测预警方法，其特征在于，包括：

实时获取指定监测参数的在线监测数据；

根据所述在线监测数据和对应的参数预测模型，获取所述指定监测参数在指定预测步长的预测值；

确定所述预测值的趋势特征向量，并根据所述趋势特征向量及对应的工况分类器，预测所述预测值所对应的工况类型，并在预测出的工况类型为页岩气压裂井下事故时，发出相应预警信息。

2.如权利要求1所述的页岩气压裂井下事故预测预警方法，其特征在于，所述指定监测参数的参数预测模型预先通过以下方式建立：

从页岩气压裂井下事故离线数据中，确定每类工况对应的指定监测参数的N*H组时间序列，其中，N为工况类型数据，H为每类工况类型的时间序列组数；每组时间序列包括反映对应事故整个发展过程的各个采样时刻的采样数据；

对于每组时间序列，通过步进式向前滑动时间窗口从该组时间序列中选取L_n,h-k组样本；则在所述滑动时间窗口每滑动至一个位置时，滑动时间窗口所覆盖的各个采样点为一组输入样本，对应的，该组时间序列中，与该位置处的滑动时间窗口前方相距为k的采样点作为该组输入样本对应的输出样本；其中，L_n,h为该组时间序列的长度，k为预测步长；

根据从所有组时间序列中选出的输入样本构建输入数据集，并根据从所有组时间序列中确定的输出样本构建输出数据集；

以所述输入数据集作为输入，并以所述输出数据集作为目标输出，以训练预设的机器学习模型，获得所述指定监测参数的参数预测模型。

3.如权利要求2所述的页岩气压裂井下事故预测预警方法，其特征在于，所述机器学习模型包括支持向量回归机。

4.如权利要求2或3所述的页岩气压裂井下事故预测预警方法，其特征在于，在构建出输入数据集及输出数据集之后，还包括：

对构建出的输入数据集及输出数据集进行归一化处理。

5.如权利要求3所述的页岩气压裂井下事故预测预警方法，其特征在于，所述支持向量回归机的惩罚参数及核参数通过粒子群算法优化得到。

6.如权利要求1所述的页岩气压裂井下事故预测预警方法，其特征在于，所述工况分类器预先通过以下方式建立：

从页岩气压裂井下事故离线数据中，确定每类工况对应的指定监测参数的多组时间序列；每组时间序列包括反映对应事故整个发展过程的各个采样时刻的采样数据；

对各组时间序列设置相同时间长度的时间窗口，并将时间窗口 分割为多个相同长度的时间片段；所述时间片段的宽度与所述预测步长的宽度相同；

对每个时间片段内的时间序列数据进行线性拟合，获得对应的随时间变化的线性关系曲线；

根据每个时间片段的线性关系曲线的斜率确定对应的趋势特征基元；所述趋势特征基元的取值包括平稳、上升和下降；

根据所述趋势特征基元构建趋势特征向量，并根据所述趋势特征基元所对应的工况类型构建工况类型集合；

以所述趋势特征向量作为输入数据集，并以所述工况类型集合作为输出数据集，训练预设的神经网络模型，获得工况分类器。

7.如权利要求1所述的页岩气压裂井下事故预测预警方法，其特征在于，所述根据所述在线监测数据和对应的参数预测模型，获取所述指定监测参数在指定预测步长的预测值，包括：

将所述在线监测数据作为输入代入所述参数预测模型，获得所述指定监测参数在指定预测步长的预测值。