[发明专利]井漏识别方法、装置及计算机设备

说明书

本发明公开了一种井漏识别方法、装置及计算机设备，属于钻井技术领域。本发明通过将历史钻井数据及其对应的井漏情况作为初始数据，并对该初始数据进行清洗，使之更符合分类模型的输入要求，可以提高分类结果的准确度；在该样本数据中，按照贡献值从大到小，提取预设数量的特征及其对应的样本数据，以便减少输入分类模型中的数据量，提高模型训练速度和准确度；然后，根据该预设数量的特征对应的样本数据及井漏情况，获取符合预设准确度要求的分类模型。在实时识别井漏情况时，将实时钻井数据输入该分类模型中，得到井漏识别结果。上述井漏识别方法无需要求现场工程师具备较高操作水平，即可得到准确度和时效性较高的井漏识别结果。

技术领域

本发明涉及钻井技术领域，特别涉及一种井漏识别方法、装置及计算机设备。

背景技术

在地下钻井工程中，井下可能会发生多种复杂情况，这些复杂情况轻者延误钻进，重者引发严重安全事故。在常见的井下复杂情况中，井漏是发生率最高且造成经济损失最大的复杂情况，因此，有必要寻求方法根据钻井数据对井漏情况进行识别。

目前常用的方法是：根据钻进过程中泥浆池总体积和出入流量差的变化来对井漏情况进行识别，当泥浆池总体积变小或者出入流量差变大时，确定井漏情况已经发生。

因泥浆池面积过大或者出入流量差统计不准，该方法只有当井漏发生到一定程度时才能识别，故该方法识别的准确度和时效性较低；并且该方法对现场工程师的操作水平要求较高。

发明内容

本发明实施例提供了一种井漏识别方法、装置及计算机设备，能够解决目前常用的井漏识别方法识别的准确度和时效性较低，并且该方法现场工程师的操作水平要求较高的问题。所述技术方案如下：

第一方面，提供了一种井漏识别方法，该方法包括：

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

对该初始数据进行数据清洗，得到样本数据，该样本数据包括正样本数据和负样本数据，该正样本数据为井漏期间的历史钻井数据，该负样本数据为非井漏期间的历史钻井数据；

对该样本数据，基于第一滑动窗口，获取该样本数据的统计特征；

对该样本数据，基于该第一滑动窗口，对该样本数据进行离散小波变换，得到该样本数据的小波特征；

获取该样本数据的统计特征和该样本数据的小波特征对分类结果的贡献值，该分类结果为对该样本数据进行分类得到的用于井漏识别的结果，该贡献值表示特征对该分类结果的影响大小；

按照该贡献值从大到小，获取预设数量的特征，从该正样本数据和负样本数据中提取该预设数量的特征对应的正样本数据和负样本数据；

基于该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，该多个初始第一分类模型为采用不同分类算法的模型；

基于该预设数量的特征对应的正样本数据和负样本数据以及该多个第一分类模型，对初始第二分类模型进行训练，得到第二分类模型，该第二分类模型包括该多个第一分类模型；

获取实时钻井数据；

将该实时钻井数据输入该第二分类模型，获取第二分类结果；

对该第二分类结果进行处理，得到井漏识别结果。

在一种可能实现方式中，对该初始数据进行数据清洗包括：

对该初始数据进行异常值处理；

对该异常值处理后的数据进行移动平均；

对该移动平均处理后的数据进行标准化处理，得到该样本数据。