[发明专利]一种基于误分类代价的钻井早期溢流智能监测方法在审
申请号: | 202210189947.6 | 申请日: | 2022-02-28 |
公开(公告)号: | CN114548306A | 公开(公告)日: | 2022-05-27 |
发明(设计)人: | 李庆峰;彭炽;付建红;张小敏;苏昱 | 申请(专利权)人: | 西南石油大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N20/20 |
代理公司: | 成都其知创新专利代理事务所(普通合伙) 51326 | 代理人: | 王沙沙 |
地址: | 610500 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 分类 代价 钻井 早期 溢流 智能 监测 方法 | ||
本发明公开了一种基于误分类代价的钻井早期溢流智能监测方法,该方法选择立管压力差、总池体积差、进出口流量差、进出口钻井液密度差、进出口钻井液温度差、进出口钻井液电导率、钻时这7个参数作为溢流预警的特征参数,以误分类代价最低为模型的优化目标,构建基于代价敏感的早期溢流监测模型;该模型由依次进行的特征转换模块、代价敏感数据集构建模块、集成学习模块这三个模块构成;特征转换模块用于将输入数据集进行归一化处理及转换原始的特征空间;代价敏感数据集构建模块用于构建包含代价信息的训练数据集;集成学习模块用于集成多个弱分类器以得到强分类器。该方法克服了传统的机器学习算法存在的精度低、泛化能力差问题。
技术领域
本发明涉及油气开采技术领域,尤其是一种基于误分类代价的钻井早期溢流智能监测方法。
背景技术
作为井控安全的第一道屏障,早期溢流监测技术应用与发展对预防井喷具有重要理论及实践意义。随着机器学习技术的高速发展,根据溢流发生时井口各参数响应时间,优选特征参数结合智能算法实现快速发现溢流,是早期溢流监测技术发展的趋势。目前众多学者通过选取不同的特征参数搭配各类机器学习算法,训练出多种智能模型应用于早期溢流监测中。
可将早期溢流监测视为一个二元分类的问题,我们将发生溢流的样本称为正类样本,未发生溢流的样本称为负类样本。在现实中,我们用于训练模型的数据集中,负类样本数量远大于正类样本,这是显而易见的。因此,早期溢流监测属于典型的不平衡小样本数据集二元分类问题。传统的机器学习是在特定的、拥有大量数据的数据集中,假定各类样本数目是均衡的,以误分率最小或预测准确率最高作为优化目标,学习出一个分类模型,使得模型对于测试数据集上的数据的分类准确率最高。因此,传统的机器学习算法应用于早期溢流监测领域中存在以下问题:1)需要大量的数据才能够保障传统的机器学习算法获得一个高性能的模型,而在现实中难以提供足够的正类样本数据,尤其是在区块的早期开发中;2)不平衡样本会导致训练模型侧重样本数目较多的类别,而“轻视”样本数目较少类别,模型在测试数据上的泛化能力受到极大的限制。针对不平衡的小样本数据集分类问题,已有很多学者提出了不同的解决方案。现有的方法可以分为采样方法、集成学习方法及代价敏感学习方法。采样方法包括欠采样(Liu,Wu,and Zhou 2009;Zheng et al.2021;)和过采样(Chawla et al.2002;Barua et al.2014;Li and Xiong 2020)。欠采样方法通过删除负类样本实现正负类样本的平衡,但可能会将一些重要的样本从多数类中删除。过采样方法多次复制少数样本,容易造成模型过拟合;集成学习方法(Seiffert et al.2010;Alam etal.2018;Fang et al.2019;Niu andZhang 2020)通常采用多数投票,但可能会因为“不稳定样本”的存在而导致结果有偏差。
发明内容
本发明的目的是针对传统的机器学习算法在早期溢流监测领域中难以克服数据量不足带来的分类精度低、泛化能力差的问题,提供一种基于误分类代价的钻井早期溢流智能监测方法。
本发明提供的基于误分类代价的钻井早期溢流智能监测方法,选择选择立管压力差、总池体积差、进出口流量差、进出口钻井液密度差、进出口钻井液温度差、进出口钻井液电导率、钻时这7个参数作为溢流预警的特征参数,以误分类代价最低为模型的优化目标,将代价敏感引入到早期溢流监测中,构建基于代价敏感的早期溢流监测模型,用于监测早期溢流。该模型由依次进行的特征转换模块、代价敏感数据集构建模块、集成学习模块这三个模块构成。其中,所述特征转换模块,用于将输入数据集进行归一化处理及转换原始的特征空间;所述代价敏感数据集构建模块,用于构建包含代价信息的训练数据集;所述集成学习模块,用于集成多个弱分类器以得到强分类器。
本发明的钻井早期溢流智能监测方法,步骤如下:
S1、选择立管压力差、总池体积差、进出口流量差、进出口钻井液密度差、进出口钻井液温度差、进出口钻井液电导率、钻时这7个参数作为溢流预警的特征参数。
S2、建立基于代价敏感的早期溢流监测模型,其中,
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南石油大学,未经西南石油大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210189947.6/2.html,转载请声明来源钻瓜专利网。