[发明专利]一种井筒流动工况预警方法、系统及设备

权利要求书

1.一种井筒流动工况预警方法，其特征在于，包括：

获取井筒流动工况数据并进行预处理；

将处理后的井筒流动工况数据输入至预先训练好的井筒流动工况预警模型中，得到预警结果。

2.根据权利要求1所述的一种井筒流动工况预警方法，其特征在于，所述获取井筒流动工况数据并进行预处理包括：

根据水平井生产过程中记录的工作日志，将数据集中所有数据进行标注，井筒流动工况预警任务变为监督学习二分类任务；

将数据集进行缺失值处理，将缺失比例高的特征剔除，其余含有缺失值的特征进行填充处理；

对数据进行离群点检测和处理，对离群点的数据进行替换；

基于皮尔逊系数，选取与工况标签相关性较高的若干个特征；

对替换后的数据集的数据进行样本均衡处理。

3.根据权利要求1所述的一种井筒流动工况预警方法，其特征在于，所述井筒流动工况预警模型采用Stacking集成学习方法构建，具体过程包括：

将轻梯度提升机LightGBM,极致梯度提XGBoost，随机森林和神经网络模型作为井筒流动工况预警框架第一层的模型；

将梯度提升决策树GBDT作为井筒流动工况预警框架第二层的模型，得到井筒流动工况预警模型；

对井筒流动工况预警模型进行训练。

4.根据权利要求3所述的一种井筒流动工况预警方法，其特征在于，所述采用井筒流动工况预警模型构建之后，还包括采用网格搜索和K折交叉验证相结合来寻找模型最佳参数组合，具体包括：

分别确定轻梯度提升机LightGBM,极致梯度提升XGBoost，梯度提升决策树GDBT,随机森林和神经网络模型需要调参的超参数，并针对每个模型选定的超参数设置多个预设值，构成一个参数矩阵；

使用网格搜索方法得到若干参数组合，并对这些参数组合进行K折交叉验证，将效果最佳的参数组合作为模型超参数设定值并应用到模型上。

5.根据权利要求3所述的一种井筒流动工况预警方法，其特征在于，所述对井筒流动工况预警模型进行训练，具体包括：

将预处理后的井筒流动工况数据随机打乱，划分为训练集和测试集；

将训练集输入到构建好的井筒流动工况预警模型进行训练；

若井筒流动工况预警模型输出结果达到预设值，训练结束，若井筒流动工况预警模型输出结果达不到预设值，重复训练至达到为止。

6.根据权利要求2所述的一种井筒流动工况预警方法，其特征在于，所述将数据集进行缺失值处理，将缺失比例高的特征剔除，其余含有缺失值的特征进行填充处理具体为：

缺失值处理中缺失比例阈值设置为80％。

7.根据权利要求2所述的一种井筒流动工况预警方法，其特征在于，所述离群点检测使用孤立森林方法、局部异常因子法、椭圆包络法，三种算法并行的方式。

8.根据权利要求2所述的一种井筒流动工况预警方法，其特征在于，所述样本均衡处理采用SMOTE方法，处理后异常数据与正常数据的数量相等。

9.一种井筒流动工况预警系统，其特征在于，包括：

数据采集模块，用于获取井筒流动工况数据并进行预处理；

数据处理模块，将处理后的井筒流动工况数据输入至预先训练好的井筒流动工况预警模型中，井筒流动工况预警模型输出，得到预警结果。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的步骤。