[发明专利]一种基于机器学习的石油钻井大数据处理方法和装置

说明书

本发明公开一种基于机器学习的石油钻井大数据处理方法和装置，包括：获取历史井实时录井数据与钻井风险记录数据；根据历史井实时录井数据与钻井风险记录数据，利用机器学习算法构建并训练得到多个钻井风险识别预警模型；将目标井的实时录井数据按照不同钻井风险识别预警模型的输入参数要求输入至各个钻井风险识别预警模型，以执行目标井的钻井风险的实时识别预警处理。采用本发明的技术方案，实现对钻井风险实时有效地识别预警，达到提高风险预警准确度的目的。

技术领域

本发明属于石油工程技术领域，尤其涉及一种基于机器学习的石油钻井大数据处理方法和装置。

背景技术

随着勘探开发的不断深入，油气勘探开发难度越来越高。现阶段油气勘探所面临的地质状况日益复杂，储层埋深增加，钻井工程面临的复杂风险情况越来越多，钻井问题日益严重，这样也就导致处理钻井风险和事故所需的成本越来越高。特别是在探井勘探中，由于地质情况不明，钻井风险多发，钻井成本居高不下。

实现安全高效钻进是钻井行业的首要目标。钻井作业过程中各类复杂情况及风险事故的识别和控制一直是行业研究重点，由于风险识别和控制需要综合考虑地质环节、钻具组合、工程参数等因素的影响，目前已有的基于关键参数数学计算、传感器数据征兆判别或贝叶斯网络等模糊评价的方法，对于风险识别准确性低、实时性差，且对识别出的风险无法给出最佳的应对处理方案。

发明内容

本发明要解决的技术问题是，提供及一种基于机器学习的石油钻井大数据处理方法和装置，实现对钻井风险实时有效地识别预警，达到提高风险预警准确度的目的。

为实现上述目的，本发明采用如下的技术方案：

一种基于机器学习的石油钻井大数据处理方法，包括以下步骤：

步骤S1、获取历史井实时录井数据与钻井风险记录数据；

步骤S2、根据历史井实时录井数据与钻井风险记录数据，利用机器学习算法构建并训练得到多个钻井风险识别预警模型；

步骤S3、将目标井的实时录井数据按照不同钻井风险识别预警模型的输入参数要求输入至各个钻井风险识别预警模型，以执行目标井的钻井风险的实时识别预警处理。

作为优选，步骤S1中，根据历史井实时录井数据与钻井风险记录数据，构建钻井风险案例数据库和正常钻井下的录井数据库，所述钻井风险案例数据包括井号、风险类别、风险发生时间点、风险井地质属性、风险发生时间点前后设定时间段的实时录井数据。

作为优选，步骤S2中所述机器学习算法为随机森林算法。

作为优选，利用随机森林算法构建并训练得到多个钻井风险识别预警模型包括：

基于钻井风险案例数据库构建训练样本和袋外样本，基于正常钻井下的录井数据库构建测试样本；

基于随机森林算法，构建出钻井风险智能识别预警的初始模型；

从所述训练样本中提取每个钻井风险案例的设定时长的录井数据，对预先构建的初始模型进行训练；

从袋外样本中提取每个钻井风险案例的所述设定时长的录井数据，对训练后的钻井风险识别预警的初始模型进行测试，在测试结果满足小于钻井风险识别的漏报/错报率阈值时，得到相应的钻井风险智能识别预警的初始模型；

从测试样本中提取不同井的设定时长的录井数据，对得到的初始模型进行验证，在验证结果满足小于钻井风险识别的误报率阈值时，形成最终的钻井风险智能识别预警模型。

作为优选，还包括：利用预设风险防控模型，根据确定出的目标井当前时刻的风险类型和钻井数据，确定目标井的风险防控方案。

一种基于机器学习的石油钻井大数据处理装置，包括：