[发明专利]一种刺钻具自动识别与报警方法

权利要求书

1.一种刺钻具自动识别与报警方法，其特征在于，包括以下步骤：

S1、划定刺钻具关键特征参数；

S2、获取待预测是否将会发生钻具刺漏的目标井临近井钻井数据；

S3、得到预处理钻井序列数据；

S4、将预处理钻井序列数据分割为训练集和验证集；

S5、利用获得的历史数据创建并训练LSTM神经网络模型；

S6、使用贝叶斯网络对模型超参数进行优化，利用训练出的模型预测出未来的钻井序列数据；

S7、使用朴素贝叶斯模型，结合预测的钻井序列数据，预测待预测目标井是否将会发生刺钻具。

2.根据权利要求1所述的一种刺钻具自动识别与报警方法，其特征在于：具体步骤如下：

步骤1：采集数据：获取待预测工况井的临近井历史数据，数据集包含钻进状态下的立管压力、钻井液入口流量、转盘扭矩、转盘转速、钻井液出口流量；

步骤2：数据预处理：对采集到的数据依次进行数据清理、集成、规约和变换；

步骤3：得到预处理钻井序列数据；

步骤4：数据分割形成数据训练和测试样本，将预处理数据70％划为训练集，30％划为验证集；

步骤5：初始化LSTM网络的超参数；

步骤6：初始化LSTM神经网络模型的参数；

步骤7：使用历史井的钻具刺漏关键参数历史数据训练LSTM模型；

步骤8：使用贝叶斯网络对超参数进行优化；

步骤9：获得短期钻具刺漏关键特征参数预测序列；将归一化训练样本集V和测试样本集T输入到训练好的LSTM神经网络中，得到归一化钻具刺漏关键参数序列预测结果Ypre，并对Ypre进行反归一化，得到未来的钻具刺漏关键参数序列预测值；

步骤10：使用朴素贝叶斯结合特征钻具刺漏关键参数序列数据进行预测；

步骤11：得到刺钻具识别、预测结果。

3.根据权利要求2所述的一种刺钻具自动识别与报警方法，其特征在于：所述步骤4包括：

4(a)：将采集到的数据集中80％作为训练样本集，其余数据作为测试样本集，并对训练样本集和测试集进行归一化，得到归一化训练样本集V和测试样本集T；

4(b)：采用滑动窗口方法，从V中提取长度为m的连续数据，并将其作为LSTM神经网络模型的训练集Xtrain，提取第m+1个数据作为Xtrain的标签Ytrain，同时从T中提取长度为m的连续数据，并将其作为LSTM神经网络的测试集Xtest，提取第m+1个数据作为Xtest的标签Ytest。

4.根据权利要求2所述的一种刺钻具自动识别与报警方法，其特征在于：所述步骤6包括：

6(a)：将LSTM网络的输出h0和元胞状态c0初始化为0；将LSTM网络隐藏层的权重矩阵Wc和偏置bc、输入门的权重矩阵Wi和偏置bi、输出门的权重矩阵Wo和偏置bo以及忘记门的权重矩阵Wf和偏置bf初始化为0～1之间的随机数；设置LSTM网络输入层神经元的个数为i+1，隐藏层、输入门、忘记门和输出门神经元的个数均为i；

6(b)：将线性回归网络的权重矩阵Wl和偏置bl初始化为0～1之间的随机数；设置线性回归网络的输入层神经元个数为i，输出层神经元个数为1。