[发明专利]一种基于机器学习的石油钻井的钻速预测方法及系统

说明书

本发明公开一种基于机器学习的石油钻井的钻速预测方法及系统，包括以下步骤：采集若干组石油钻井的全过程数据；对所述全过程数据进行预处理，获取钻速分段预测模型的样本数据，随机划分为训练数据集和测试数据集；构建所述钻速分段预测模型，利用所述训练数据集对所述钻速分段预测模型进行训练，得到训练后的钻速分段预测模型；利用所述训练后的钻速分段预测模型对所述测试数据集进行钻速预测。本发明使用方法原理可靠，操作简便，能够提高钻井效率，缩短钻井周期，降低钻井成本，从而大幅提高油气资源的开发效率，具有广阔的市场应用前景。

技术领域

本发明涉及石油勘探的钻速预测技术领域，特别是涉及一种基于机器学习的石油钻井的钻速预测方法及系统。

背景技术

石油是重要能源，同煤相比，具有能量密度大、运输储存方便、燃烧后对大气的污染程度较小等优点。从石油中提炼的燃料油是运输工具、电站锅炉、冶金工业和建筑材料工业各种窑炉的主要燃料。以石油为原料的液化气和管道煤气是城市居民生活应用的优质燃料。

石油钻井工程在油气田开发中，有着十分重要的地位，在建设一个油气田中，钻井工程往往要占总投资的50％以上。改进钻井技术和管理，提高钻井速度，是降低钻井成本的关键。对于石油钻井的钻速预测一直以来是石油钻井工程中的研究热点。钻头的机械钻速与钻头结构、所钻岩层性质、钻井液性能、钻进参数(如钻压、转速、水力参数等)和钻具组合等有关。较好地预测机械钻速，可以预测钻并成本和钻进时间，从而指导钻井生产、合理安排钻机和工作人员，为管理者提供依据。钻井机械钻速预测研究大体经历了如下阶段：1)用现场数据直接统计出钻速方程；2)考虑所钻地层性质和钻头结构的钻速方程。钻速方程所含的系数随着钻井参数或地层的变化而变化，并且难以确定，使其应用受到了局限。并且随着钻井数据的急速增长，大量的统计和待定系数的不确定性导致了传统的通过公式计算机械钻速的方法准确度大大降低。

发明内容

本发明的目的是提供一种基于机器学习的石油钻井的钻速预测方法，以解决上述现有技术存在的问题，使用方法原理可靠，操作简便，能够提高钻井效率，缩短钻井周期，降低钻井成本，从而大幅提高油气资源的开发效率，具有广阔的市场应用前景。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于机器学习的石油钻井的钻速预测方法，其特征在于，包括以下步骤：

采集若干组石油钻井的全过程数据；

对所述全过程数据进行预处理，获取钻速分段预测模型的样本数据，随机划分为训练数据集和测试数据集；

构建所述钻速分段预测模型，利用所述训练数据集对所述钻速分段预测模型进行训练，得到训练后的钻速分段预测模型；

利用所述训练后的钻速分段预测模型对所述测试数据集进行钻速预测。

可选地，所述全过程数据包括钻井过程的动态指标和静态指标。

可选地，对所述全过程数据进行预处理包括：

对若干组所述全过程数据根据专家经验进行筛选，选择一组所述全过程数据作为目标全过程数据；

对所述目标全过程数据进行清洗，去除所述静态指标和所述动态指标中的噪音数据；

对清洗后的所述目标全过程数据中离群点数据进行删除，并按照钻井阶段进行分类，获得分阶段钻井数据；

对所述分阶段钻井数据进行归一化处理；

对归一化后的所述分阶段钻井数据进行划分，获得所述训练数据集和所述测试数据集，其中，所述训练数据集和所述测试数据集与所述钻井阶段相对应。

可选地，对清洗后的所述目标全过程数据中离群点数据进行删除包括：