[发明专利]井漏识别方法、装置及计算机设备

权利要求书

1.一种井漏识别方法，其特征在于，所述方法包括：

获取按照时序排列的初始数据，所述初始数据包括历史钻井数据和所述历史钻井数据对应的井漏情况；

对所述初始数据进行数据清洗，得到样本数据，所述样本数据包括正样本数据和负样本数据，所述正样本数据为井漏期间的历史钻井数据，所述负样本数据为非井漏期间的历史钻井数据；

对所述样本数据，基于第一滑动窗口，获取所述样本数据的统计特征；

对所述样本数据，基于所述第一滑动窗口，对所述样本数据进行离散小波变换，得到所述样本数据的小波特征；

获取所述样本数据的统计特征和所述样本数据的小波特征对分类结果的贡献值，所述分类结果为对所述样本数据进行分类得到的用于井漏识别的结果，所述贡献值表示特征对所述分类结果的影响大小；

按照所述贡献值从大到小，获取预设数量的特征，从所述正样本数据和负样本数据中提取所述预设数量的特征对应的正样本数据和负样本数据；

基于所述预设数量的特征对应的正样本数据和负样本数据，对多个初始第一分类模型进行训练，得到多个第一分类模型，所述多个初始第一分类模型为采用不同分类算法的模型；

基于所述预设数量的特征对应的正样本数据和负样本数据以及所述多个第一分类模型，对初始第二分类模型进行训练，得到第二分类模型，所述第二分类模型包括所述多个第一分类模型；

获取实时钻井数据；

将所述实时钻井数据输入所述第二分类模型，获取第二分类结果；

对所述第二分类结果进行处理，得到井漏识别结果；

所述对所述样本数据，基于第一滑动窗口，获取所述样本数据的统计特征包括：

对所述正样本数据，基于第一步长的第一滑动窗口，获取所述正样本数据的统计特征，以平衡正负样本。

2.根据权利要求1所述的方法，其特征在于，所述对所述初始数据进行数据清洗包括：

对所述初始数据进行异常值处理；

对所述异常值处理后的数据进行移动平均；

对所述移动平均处理后的数据进行标准化处理，得到所述样本数据。

3.根据权利要求1所述的方法，其特征在于，所述样本数据的统计特征包括：所述样本数据的方差、极差、中位数、偏度、峰度和变异系数。

4.根据权利要求1所述的方法，其特征在于，所述对所述样本数据，基于第一滑动窗口，获取所述样本数据的统计特征还包括：

对所述负样本数据，基于第二步长的第一滑动窗口，获取所述负样本数据的统计特征；

其中，所述第一步长小于所述第二步长。

5.根据权利要求1所述的方法，其特征在于，所述对所述样本数据，基于所述第一滑动窗口，对所述样本数据进行离散小波变换，得到所述样本数据的小波特征包括：

对所述正样本数据，基于第一步长的所述第一滑动窗口，对所述正样本数据进行离散小波变换，得到所述正样本数据的小波特征；

对所述负样本数据，基于第二步长的所述第一滑动窗口，对所述负样本数据进行离散小波变换，得到所述负样本数据的小波特征；

其中，所述第一步长小于所述第二步长。

6.根据权利要求1所述的方法，其特征在于，所述多个初始第一分类模型包括：决策树分类模型、随机森林模型和支持向量机模型。

7.根据权利要求1所述的方法，其特征在于，所述初始第二分类模型为逻辑回归模型。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述初始数据包括：总池体积、总池入口流量、总池出口流量、立管压力、大钩负荷、大钩高度、钻速、相对流量以及钻井液压力。