[发明专利]基于BP神经网络的储层气体钻井安全风险分析系统

权利要求书

1.一种基于BP神经网络的储层气体钻井安全风险分析方法，其特征在于，所述基于BP神经网络的储层气体钻井安全风险分析方法包括：

基于BP神经网络进行储层气体钻井风险识别的灰色关联度分析；

进行储层气体钻井风险识别的模糊识别。

2.如权利要求1所述的基于BP神经网络的储层气体钻井安全风险分析方法，其特征在于，所述灰色关联度分析方法包括：

识别的对象系统事故类型数目为m，每种事故的特征向量所包含的元素个数为n，建立相应的事故标准模式特征向量矩阵：

上面矩阵中的每一行代表某一事故的特征向量，而每一列中的各元素具有相同的物理意义；

实际测得的参数的特征向量为：

Y_T＝[y₁，y₂，...，y_n]

其中，实际测得的参数的特征向量Y_T与标准特征向量矩阵X_R；

待检向量Y_T与标准特征向量矩阵X_R中各事故特征标准向量之间对应元素的最小绝对误差值和最大误差值分别为：

待检向量Y_T与标准特征向量矩阵X_R中各特征参数的关联度系数公式为：

式中的ρ是分辨系数，取值范围是0＜ρ＜1，根据实际问题对ρ进行正确取值；

在ρ值取定后，待检向量Y_T与事故特征向量X_i的关联度为：

对每个特征参数赋予不同的权值ω_j，关联度变为：

各特征参数的权值之和为1，即满足：

3.如权利要求1所述的基于BP神经网络的储层气体钻井安全风险分析方法，其特征在于，钻井故障的模糊识别方法包括：

A、构造征兆特征向量是对象具有征兆x_i的隶属度；

B、建立模糊关系矩阵R；

C、根据模糊关系Y＝X·R，求解出Y，故障特征向量是对象具有故障y_j的隶属度。

4.如权利要求3所述的基于BP神经网络的储层气体钻井安全风险分析方法，其特征在于，钻井故障的模糊方法包括：

1)、构造征兆特征向量

2)、确定隶属函数：

基于钻井过程中，动态信号不断发生变化，随着其表征参数的增大或减小，表示故障向着严重的发展程度发展，正数表示参数增大、负数表示参数减小，0表示没有任何变化，x_i反映故障严重程度的隶属函数为：

a₁：代表某一参数的上上限；a′₁：代表某一参数的上限；

a′₂：代表某一参数的下限；a₂：代表某一参数的下下限；

3)、建立模糊关系矩阵

根据大量的资料、专家的经验和统计分析，确定每一个事故对应每个原因的隶属度，构造模糊关系矩阵R,使之更加反应征兆与故障之间的密切程度；模糊关系矩阵：

根据模糊关系求Y，模糊关系方程Y＝X·R将征兆向量X和模糊关系矩阵带入模糊关系方程进行计算，其中，Y中分量最大者所对应事故类型即为识别结果。

5.一种实现权利要求1～4任意一项所述基于BP神经网络的储层气体钻井安全风险分析方法的计算机程序。

6.一种实现权利要求1～4任意一项所述基于BP神经网络的储层气体钻井安全风险分析方法的信息数据处理终端。

7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任意一项所述的基于BP神经网络的储层气体钻井安全风险分析方法。