[发明专利]一种井喷智能预警方法、系统、设备和存储介质

权利要求书

1.一种井喷智能预警方法，其特征在于包括以下步骤：

获取完整原始油气钻井过程数据；

构建基于神经网络的井喷预警模型；

对获取的完整原始油气钻井过程数据进行预处理，得到训练数据集，并采用训练数据集对构建的基于神经网络的井喷预警模型进行训练；

在真实场景下对训练好的井喷预警模型进行测试验证，并将符合现场应用标准的井喷预警模型投入钻井现场的应用中，实现对井喷的智能预警。

2.如权利要求1所述的一种井喷智能预警方法，其特征在于：

所述基于神经网络的井喷预警模型包括：神经网络层、专家网络层和表决输出层；

所述神经网络层包括第一～第三神经网络结构，且所述第一～第三神经网络结构分别用于对不同的输入数据集进行处理，并将得到的处理结果发送到所述表决输出层；

所述专家网络层包括第一～第三专家网络结构，且所述第一～第三专家网络结构分别用于对所述第一～第三神经网络结构所对应的输入数据集进行处理，并将得到的处理结果发送到所述表决输出层；

所述表决输出层用于按照预设投票表决原则对神经网络层和专家网络层的输出结果进行表决集成，输出最终的井喷预警结果。

3.如权利要求2所述的一种井喷智能预警方法，其特征在于，所述表决输出层中预设的投票表决原则为：将所述第一～第三神经网络结构和第一～第三专家网络结构的井喷预测结果进行投票集成，若超过半数的网络结构认为该时刻的钻井参数预警了井喷工况的发生，则输出井喷预警信号向现场专家发出警告。

4.如权利要求2所述的一种井喷智能预警方法，其特征在于，所述对获取的完整原始油气钻井过程数据进行预处理，得到训练数据集，并采用训练数据集对构建的基于神经网络的井喷预警模型进行训练的方法，包括以下步骤：

对获取的完整原始油气钻井过程数据进行数据初步分析及数据清洗，将非钻井阶段数据予以剔除，得到钻井阶段的钻井数据；

对钻井阶段的钻井数据进行预处理，得到适用于井喷预警模型中第一～第三神经网络结构的三种训练数据集；

基于三种训练数据集对井喷预警模型进行训练，得到训练好的井喷预警模型。

5.如权利要求4所述的一种井喷智能预警方法，其特征在于，所述对钻井阶段的钻井数据进行预处理，得到适用于井喷预警模型中第一～第三神经网络结构的三种训练数据集的方法，包括以下步骤：

进行钻井数据缺失值的处理；

对经过缺失值处理后的钻井数据进行离群数据监测；

对离群数据监测后的钻井数据进行平滑去噪处理；

对平滑去噪处理后的钻井数据进行维度变换；

基于维度变换后的钻井数据，分别采用欠采样、过采样和井喷发生阶段数据截取的方法构建三种数据集。

6.如权利要求5所述的一种井喷智能预警方法，其特征在于，所述对经过缺失值处理后的钻井数据进行离群数据监测的方法，包括：

分别采用若干种离群数据监测算法进行离群数据的监测，得到各种离群数据监测算法对应的训练数据；

分别采用经各种离群数据监测算法处理后的训练数据对预先构建的神经网络模型进行井喷预警，并将井喷预警结果与各训练数据的标签进行比对，得到各种离群数据监测算法的准确程度；

基于得到的各种离群数据监测算法的准确程度，确定各离群数据监测算法的权重；

基于确定的各离群数据监测算法的权重，对各离群数据监测算法判断的离群点数据进行加权求和，并基于预设阈值判断各离群点数据是否为离群数据，若是，则删除该数据，否则保留。

7.如权利要求4所述的一种井喷智能预警方法，其特征在于，所述基于三种训练数据集对井喷预警模型进行训练，得到训练好的井喷预警模型的方法，包括以下步骤：

分别将三种训练数据集随机划分为训练集和验证集；

分别采用各训练集和验证集对井喷预警模型中的各神经网络结构和专家网络结构进行训练，得到训练好的井喷预警模型。