[发明专利]一种基于随机森林的溢流漏失实时识别方法

权利要求书

1.一种基于随机森林的溢流漏失实时识别方法，包括以下步骤：

①溢流、漏失原始数据集的自动生成；

②溢流、漏失数据集的预处理，使之成为可用于随机森林算法的训练数据集；

③基于Bootstrap抽样技术的溢流、漏失子数据集的生成；

④采用CART算法，为每个子数据集创建分类树；

⑤对于新样本，集合n棵树的预测结果，采用投票方式决定其类别，并利用各分类树投票结果，识别溢流、漏失的发生；

步骤②数据的预处理包括：b预期出口流量的计算；

步骤b中，预期出口流量的计算方法为，

钻井状态为钻进时，

钻井状态为起钻时，

钻井状态为下钻时，

钻井状态为接单跟和其他时，

ExpFlowOut(T_i)＝FlowIn(T_i)

其中：ExpFlowOut(T_i)为T_i时间点，预期的井口流出量，单位为L/s；

FlowIn(T_i)为T_i时间点，入口泥浆流量，单位为L/s；

DrillTime(T_i)为T_i时间点的钻时，单位为min/m；

HoleDia为井直径，单位为m；

DPDia₁为钻杆外直径，单位为m；

DPDia₂为钻杆内直径，单位为m；

BVBL(T_i)为T_i时刻，大钩速度，单位为m/s。

2.根据权利要求1所述的基于随机森林的溢流漏失实时识别方法，其特征在于：步骤①进一步包括，提取以文本方式存储的钻井井史数据中溢流和漏失事故的信息，根据事故发生时间和类别，将其转化成以时间为索引的钻井实时数据格式，并综合录井数据和控压数据，生成溢流、漏失原始数据集。

3.根据权利要求2所述的基于随机森林的溢流漏失实时识别方法，其特征在于：生成的溢流、漏失原始数据集是以时间为索引的多维数据，原始数据集的分类结果为离散值：0代表无事故发生，1代表有溢流发生，2代表有漏失发生，3代表溢流、漏失同时发生。

4.根据权利要求3所述的基于随机森林的溢流漏失实时识别方法，其特征在于：溢流、漏失原始数据集属性包括，入口流量、出口流量、PWD环空压力、环空温度、大钩载荷、井深、钻头深度、总池体积，立管压力，钻速，钻井液出口密度，钻井液出口温度，大钩速度。

5.根据权利要求1所述的基于随机森林的溢流漏失实时识别方法，其特征在于：步骤②数据的预处理进一步包括，

a钻井状态的计算：根据井深HDEP、钻头深度BDEP、大钩载荷HKLD数据，计算每个时间点对应的钻井状态；

b预期出口流量的计算：对于每一口井，根据钻井状态、钻头深度的变化、入口流量以及下入或起出钻杆直径和壁厚信息，计算期望的出口流量；

c计算各维度的钻井实时数据在ΔT时间内的均值；

d计算各维度钻井实时数据的变化量。

6.根据权利要求5所述的基于随机森林的溢流漏失实时识别方法，其特征在于：步骤a所述钻井状态包括：钻进、起钻、下钻、接单根和其他。