[发明专利]钻井溢流漏失工况预测方法及装置

权利要求书

1.一种钻井溢流漏失工况预测方法，其特征在于，包括：

获取待预测工况的钻井数据；

利用所述待预测工况的钻井数据及预先建立的深度信念网络模型进行钻井溢流漏失工况预测。

2.如权利要求1所述的预测方法，其特征在于，还包括：根据钻井历史数据建立深度信念网络模型。

3.如权利要求2所述的预测方法，其特征在于，还包括：根据钻井历史数据、所述深度信念网络模型的可见层偏置、隐含层偏置以及所述可见层偏置与隐含层偏置的连接权重，训练预先建立的深度信念网络模型。

4.如权利要求1所述的预测方法，其特征在于，在根据钻井历史数据建立深度信念网络模型之前，还包括：

将所述钻井历史数据进行滤波；

将所述钻井历史数据进行归一化；

去除所述钻井历史数据中的异常值。

5.如权利要求1所述的预测方法，其特征在于，包括：

所述钻井数据包括必要特征参数及辅助特征参数，其中，所述必要特征参数包括：立管压力、井口压力、出口流量及入口流量；所述辅助特征参数包括：泵冲、大钩载荷、钻时、井底环空压力、全烃及C1数据；

所述钻井历史数据包括所述必要特征参数、所述辅助特征参数及工况数据，其中，所述工况数据包括：溢流、漏失及正常。

6.如权利要求1所述的预测方法，其特征在于，根据钻井历史数据、所述深度信念网络模型的可见层偏置、隐含层偏置以及所述可见层偏置与隐含层偏置的连接权重，训练预先建立的深度信念网络模型，包括：

分别设置所述可见层偏置的初始值、所述隐含层偏置的初始值及所述连接权重的初始值为三个小于预设数值的随机数；

将所述钻井历史数据输入所述深度信念网络模型中；

进行以下迭代操作，直至所述深度信念网络模型的预测误差小于或等于预设误差，得到所述深度信念网络模型：

由下向上逐层训练所述深度信念网络模型至n-1层，并将训练结果输入至所述深度信念网络模型的第n层，得到所述第n层的训练结果；其中，n为所述深度信念网络模型的训练总层数；

根据所述第n层的训练结果及所述钻井历史数据计算所述预测误差；

当所述预测误差大于预设误差时，根据所述预测误差，由上向下逐层优化所述深度信念网络模型至第1层。

7.如权利要求6所述的预测方法，其特征在于，由上向下逐层优化所述深度信念网络模型至第1层，包括：

由上向下逐层调整所述深度信念网络模型中各层的所述可见层偏置、所述隐含层偏置及所述连接权重至第1层。

8.一种利用权利要求1-7任一项所述钻井溢流漏失工况预测方法的钻井溢流漏失工况预测装置，其特征在于，包括：

钻井数据获取单元，用于获取待预测工况的钻井数据；

工况预测单元，用于利用所述待预测工况的钻井数据及预先建立的深度信念网络模型进行钻井溢流漏失工况预测。

9.如权利要求8所述的钻井溢流漏失工况预测装置，其特征在于，所述钻井溢流漏失工况预测装置还包括：

深度信念网络模型建立单元，用于根据钻井历史数据建立深度信念网络模型。

10.如权利要求8所述的钻井溢流漏失工况预测装置，其特征在于，所述钻井溢流漏失工况预测装置还包括：

深度信念网络模型训练单元，用于根据钻井历史数据、所述深度信念网络模型的可见层偏置、隐含层偏置以及所述可见层偏置与隐含层偏置的连接权重，训练预先建立的深度信念网络模型。

11.如权利要求8所述的钻井溢流漏失工况预测装置，其特征在于，所述钻井溢流漏失工况预测装置还包括：

钻井历史数据滤波单元，用于将所述钻井历史数据进行滤波；

钻井历史数据归一化单元，用于将所述钻井历史数据进行归一化；

钻井历史数据异常值去除单元，用于去除所述钻井历史数据中的异常值。