[发明专利]一种井喷智能预警方法、系统、设备和存储介质

说明书

本发明涉及一种井喷智能预警方法、系统、设备和存储介质，其包括以下步骤：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。本发明可以广泛应用于海洋油气开发及大数据应用领域。

技术领域

本发明涉及一种基于神经网络的井喷智能预警方法、系统、设备和存储介质，属于海洋油气开发及大数据应用领域。

背景技术

深水钻井过程中受到复杂地质环境和钻井技术的限制，可能会发生溢流、井漏、井喷等钻井事故，一旦发生钻井事故，轻则造成巨大的财产损失，重则造成人员伤亡和底层污染。为了降低钻井过程的风险，尽可能保障钻井和工作人员的安全，研究人员不断探究能够及时对井喷等钻井事故进行预警的技术。

目前，石油领域中进行井喷预警时，往往借助现场钻井专家对监测数据的判断，完成井喷事故发生的判断，现场钻井专家的判断只能针对较为明显的井喷事故，而且判断往往存在一定的时间延后性，对专家经验的依赖程度比较高，对井喷事故判断的有效性也有待进一步提高，缺少及时性、全面性和可迁移性。

发明内容

针对上述问题，本发明的目的是提供一种井喷智能预警方法、系统、设备和存储介质，通过建立基于神经网络的井喷预警模型，对井喷进行智能预警。

为实现上述目的，本发明采取以下技术方案：

本发明的第一个方面，是提供一种井喷智能预警方法，其包括以下步骤：

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。

优选地，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。

优选地，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。

优选地，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。