申请/专利权人：中国石油大学(北京)

申请日：2021-06-08

公开（公告）日：2022-11-29

公开（公告）号：CN113268803B

主分类号：G06F30/13

分类号：G06F30/13;G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F113/08;G06F119/08;G06F119/10

优先权：

专利状态码：有效-授权

法律状态：2022.11.29#授权;2021.09.03#实质审查的生效;2021.08.17#公开

摘要：本申请实施方式公开了钻井溢流诊断模型的生成方法、钻井溢流诊断方法及装置，其中所述模型的生成方法包括：获取发生溢流事件的钻井的多组历史数据，多组历史数据中的部分采集于溢流事件发生前，其余部分采集于溢流事件发生期间，其中每组历史数据包括同一时刻采集的用于表示钻井现场状况的多维现场数据；获取多组历史数据中的部分组分别对应的标记数据；以多组历史数据以及对应的标记数据作为多个训练样本，训练神经网络模型，得到钻井溢流诊断模型；其中，每个训练样本中的多维现场数据作为模型的输入数据，钻井是否已发生溢流事件的标记数据作为模型的输出数据。本方案训练神经网络无需所有训练样本均对应有标记数据，从而减少人力及时间成本。

主权项：1.一种钻井溢流诊断模型的生成方法，其特征在于，包括：获取发生溢流事件的钻井的多组历史数据，所述多组历史数据中的部分采集于溢流事件发生前，其余部分采集于溢流事件发生期间，其中每组历史数据包括同一时刻采集的用于表示钻井现场状况的多维现场数据；获取所述多组历史数据中的部分组分别对应的标记数据，所述标记数据用于表示在一组历史数据被采集的时刻钻井是否已发生溢流事件；以所述多组历史数据以及对应的标记数据作为多个训练样本，训练神经网络模型，得到钻井溢流诊断模型；其中，每个训练样本中的多维现场数据作为模型的输入数据，钻井是否已发生溢流事件的标记数据作为模型的输出数据；其中，所述以所述多组历史数据以及对应的标记数据作为多个训练样本，训练神经网络模型，得到钻井溢流诊断模型的步骤，包括：确定神经网络模型的单隐含层节点的数量，选取激活函数，并随机初始化各个隐含层节点的输入权重及偏置，得到隐含层各节点的输出矩阵H；选取相似性度量函数，基于训练样本的输入数据组成的矩阵建立图拉普拉斯矩阵L；选取正则化参数C0，计算惩罚矩阵C；其中，惩罚矩阵C为对角矩阵，每个对角元素与一个具有标记数据的训练样本对应，其第i行第i列的元素为Ci＝C0Ny，并且当Ci所对应的训练样本中的标记数据表示已发生溢流事件时，Ny为标记数据表示已发生溢流事件的训练样本的数量；当Ci所对应的训练样本中的标记数据表示未发生溢流事件时，Ny为标记数据表示未发生溢流事件的训练样本的数量；根据等式β＝I+HTCH+λHTLH-1HTCY求解隐含层的输出权重，得到神经网络模型Y＝Hβ；其中，I为单位矩阵，λ为预先选取的流形正则化参数， x1、x2……xN为神经网络模型的输入数据，N为输入数据的个数，为隐含层节点的个数，gx为隐含层的激活函数，m为输入数据的维数，w1、w2……wN％分别为神经网络隐含层各节点的输入权重，N％为隐含层节点数，b1、b2……bN％分别为神经网络隐含层各节点的偏置；H表示隐含层各节点的输出，β1,β2L为求解出的隐含层的输出权重；y1,y2LyN为神经网络模型的输出数据。

全文数据：

权利要求：

百度查询： 中国石油大学(北京) 钻井溢流诊断模型的生成方法、钻井溢流诊断方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD