[发明专利]基于机器学习的模块化钻探数据监测与设计系统

说明书

本发明涉及基于机器学习的模块化钻探数据监测与设计系统，具有通过信号连接的业务单元和管理单元，在业务单元中包括相连接的钻探数据监测单元、机器学习单元和钻探设计单元，钻探数据监测单元中的数据采集在本地平台，监测和存储在云端平台；机器学习单元和钻探设计单元均设于云端平台；管理单元全部设于云端平台并用于监测系统，在管理单元中包括进行系统数据输入和输出的交互单元、管理用户权限和用户信息的用户单元和对系统进行控制的控制单元，所述的交互单元、用户单元和控制单元通过信号的数据流连接。本发明能够实现施工前的准确设计，并通过机器学习算法根据钻探数据进行分析和预判。

技术领域

本发明涉及监测与设计系统，具体讲是涉及云平台的基于机器学习的模块化钻探数据监测与设计系统。

背景技术

在地质勘探开发过程中，钻进施工前的设计、钻进过程中对钻进情况的预判、对钻机状况的分析、针对特定事故或问题的分析处理以及钻进完成后的数据整理，都对整个钻进工程乃至钻进行业至关重要。若施工前没有合理的设计、施工中没有适时的分析判断，则在施工过程中发生事故的概率会大幅度增加，事故发生后再进行处理也会产生大量的时间和经济的损失。

在现有的公开文献中，专利申请号为CN201810967591.8(一种钻机智能控制系统)的文件记载了通过云平台和对钻机数据采集与分析，其中采集的数据侧重于对钻机位置的规划和移动路径的计算。

专利申请号为CN201810831354.9(一种用于城市规划建设的地质大数据平台)的文件中涉及到了云平台和数据监测上传，但其主要目的在于针对城市地质、气候监测相关内容，并不涉及钻探相关内容。

在论文《基于云计算的地质大数据挖掘内涵》中，提出了地质大数据挖掘的概念，涉及到地质数据平台的架构，但该架构更侧重于对已有地质数据的收集和分析，并非为钻探领域的数据收集分析，且该平台基于已有数据的分析，并未涉及新数据的传入和机器学习的相关理念。

综上所述，目前尚未有能够用于指导钻探作业的主要针对钻探领域的参数设计、分析数据平台架构。现有的智能钻机钻探系统均侧重于单机版，即在已有钻机上进行监测设备安装，监测数据后根据固定的程序或算法进行参数推荐。这种模式针对已出现过的事故或模式(地层/钻进参数组合/钻进设备/钻具组合等)能够取得较好的结果，但对未出现的模式完全不能给出准确的预判。而现有的地质云系统大多是针对地质数据、灾害数据和气候数据等，没有针对钻探工程数据的云处理分析系统。并且，虽然现有的智能云系统中有机器学习功能存在，但大多机器学习算法是根据已有数据训练完成后的固有算法，在面对新场景时不能给出较为准确的预判。

发明内容

本发明提供了一种基于机器学习的模块化钻探数据监测与设计系统，实现在施工前的准确设计和施工过程中的准确监测和分析，并通过机器学习算法对钻探工程数据进行分析和预判。

本发明基于机器学习的模块化钻探数据监测与设计系统，具有通过信号连接的业务单元和管理单元，在业务单元中包括根据信号传递方向依次连接的用于对钻探工程数据采集、监测和存储的钻探数据监测单元、根据钻探工程数据对当前钻进工况识别算法训练和保存的机器学习单元、以及用于对拟施工钻探工程进行工序和参数设计的钻探设计单元，所述的机器学习单元还存储用于钻探设计单元中的钻探参数推荐算法，其中钻探数据监测单元中对钻探工程数据的采集在本地平台实现，监测和存储在云端平台实现；所述的机器学习单元和钻探设计单元均设于云端平台中；设计系统将各种数据模块和设计模块均存储在云端平台中，用户可根据设计需求选择合适的设计模块进行设计。设计系统在设计过程中根据用户需求自行调用存储于云端平台的机器学习单元进行相关的推荐计算。

所述的管理单元全部设于云端平台并用于监测系统，在管理单元中包括进行系统数据输入和输出的交互单元、管理用户权限和用户信息的用户单元和对系统进行控制的控制单元，所述的交互单元、用户单元和控制单元通过信号的数据流连接。