[发明专利]采用大数据耦合参数以优化破岩效率的方法和系统

权利要求书

1.一种采用大数据耦合参数以优化破岩效率的方法，其特征在于，所述方法包括：

获取邻近井所对应的静态地质数据、工程数据范围和工具参数；

进行所述静态地质数据、工程数据范围的清洗以及工具参数的数值映射；

对清洗和数值映射的静态地质数据、工程数据范围以及工具参数进行降噪和归一化处理；

对预处理之后的静态地质数据、工程数据范围和工具参数进行特征选择，处理相互之间关联性高的参数，且去除相对所述破岩效率关联性低的参数，获得新井的破岩效率预测特征，所述新井的破岩效率预测特征用于新井在所述机器学习模型的目标参数破岩效率预测；

根据所述目标参数破岩效率优选对新井所设定的工具参数组合；

通过训练得到的所述机器学习模型对新井的破岩效率预测特征，在所述工具参数组合中所选择工具参数下适应于所述邻近井地质特征所指示的破岩环境最大化预测破岩效率。

2.根据权利要求1所述的方法，其特征在于，所述获取邻近井所对应的静态地质数据、工程数据范围和工具参数，包括：

获取描述邻近井所对应地质状况的地质参数为钻井所对应的静态地质数据，且获取为邻近井动态配置的工程数据范围和工具参数。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取可供进行机器学习模型训练的历史数据，所述历史数据包括标注了所对应真实破岩效率的破岩效率预测特征；

进行所述历史数据的破岩环境聚类，获得所聚类得到的破岩环境，且以所述历史数据中标注的真实破岩效率作为所获得破岩环境对应的真实破岩效率；

通过所述历史数据以所适应破岩环境对应的真实破岩效率为目标进行迭代训练，获得机器学习模型。

4.根据权利要求3所述的方法，其特征在于，所述获取可供进行机器学习模型训练的历史数据，包括：

以单位米为历史数据的样本覆盖区域，获取可供进行机器学习模型训练的历史数据，所述单位米将对应于新钻井区域下的破岩效率预测特征。

5.一种采用大数据耦合参数以优化破岩效率的系统，其特征在于，所述系统包括：

数据获取模块，用于获取邻近井所对应的静态地质数据、工程数据范围和工具参数；

预处理模块，用于进行所述静态地质数据、工程数据范围的清洗以及工具参数的数值映射；

对清洗和数值映射的静态地质数据、工程数据范围以及工具参数进行降噪和归一化处理

运算模块，用于对预处理之后的静态地质数据、工程数据范围和工具参数进行特征选择，处理相互之间关联性高的参数，且去除相对所述破岩效率关联性低的参数，获得新井的破岩效率预测特征，所述新井的破岩效率预测特征用于新井在所述机器学习模型的目标参数破岩效率预测；

优化模块，用于根据所述目标参数破岩效率优选对新井所设定的工具参数组合；

通过训练得到的所述机器学习模型对新井的破岩效率预测特征，在所述工具参数组合中所选择工具参数下适应于所述邻近井地质特征所指示的破岩环境最大化预测破岩效率。

6.一种机器设备，其特征在于，包括：

数据采集硬件，被配置为获取邻近井所对应的静态地质数据以及为所进行钻井而配置的工程数据范围和工具参数；以及

计算机设备，被配置为对获得的所述静态地质数据、工程数据范围和工具参数执行如权利要求1至4中任意一其所述方法中的步骤。