技术特征：
1.一种钻井溢流预警的方法，其特征在于，包括：根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集；所述溢流数据集包括训练样本数据集和测试样本数据集；建立bp-lstm神经网络模型；所述bp-lstm神经网络模型用于表征全连接神经网络和长短期记忆神经网络串联后的神经网络结构；以训练样本数据集，对bp-lstm神经网络模型进行训练，得到溢流预警神经网络模型；将测试样本数据集，输入至溢流预警神经网络模型，得到第一钻井溢流发生概率；根据钻井的录井数据和钻井工程数据，进行井筒内压力计算，得到井底压力与地层压力的差值；根据井底压力与地层压力的差值，计算得到第二钻井溢流发生概率；对第一钻井溢流发生概率和第二钻井溢流发生概率进行加权计算，得到钻井溢流的加权概率；在加权概率超过预设数值时，发出钻井溢流的预警信息。2.如权利要求1所述的方法，其特征在于，还包括：对钻井的录井数据和钻井工程数据，进行数据预处理，得到处理后的钻井数据；所述预处理包括：数据整理清洗处理、数据补全处理和数据标准化处理；根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集，包括：根据处理后的钻井数据，建立用于神经网络训练和神经网络输入的溢流数据集。3.如权利要求1所述的方法，其特征在于，根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集，包括：利用卡方检验，根据钻井的录井数据和钻井工程数据，选取录井特征数据；根据选取的录井特征数据，建立用于神经网络训练和神经网络输入的溢流数据集。4.如权利要求1所述的方法，其特征在于，按如下方式建立bp-lstm神经网络模型：将交叉熵损失函数作为全连接神经网络和长短期记忆神经网络的损失函数；将全连接神经网络和长短期记忆神经网络的损失函数相加，得到bp-lstm神经网络模型的损失函数；对bp-lstm神经网络中的超参数进行参数寻优操作；所述超参数包括隐藏层数量、神经元个数、激活函数、损失函数和优化器。5.如权利要求1所述的方法，其特征在于，所述溢流数据集还用于神经网络验证；所述溢流数据集还包括验证样本数据集；在得到溢流预警神经网络模型后，所述方法还包括：利用正交试验法，以准确率、精确率、召回率、漏警率和虚警率为评价指标，使用验证样本数据集，对溢流预警神经网络模型进行验证，得到验证好的溢流预警神经网络模型。6.如权利要求1所述的方法，其特征在于，根据钻井的录井数据和钻井工程数据，进行井筒内压力计算，得到井底压力与地层压力的差值，包括：使用钻井的录井数据和钻井工程数据中的井身结构数据和钻井液性能数据，将井口压力作为边界条件，通过质量守恒方程和能量守恒方程，进行井筒内压力计算，得到井底压力与地层压力的差值。
7.如权利要求1所述的方法，其特征在于，按如下公式进行井筒内压力计算，得到井底压力与地层压力的差值：δp＝p
p-p
downhole
其中，δp为井底压力与地层压力的差值，单位为mpa；p
p
为地层压力，单位为mpa；p
downhole
为井底压力，单位为mpa。8.如权利要求1所述的方法，其特征在于，按如下公式根据井底压力与地层压力的差值，计算得到第二钻井溢流发生概率：其中，p2为第二钻井溢流发生概率；δp为井底压力与地层压力的差值，单位为mpa；a为预设置的常数。9.如权利要求1所述的方法，其特征在于，按如下公式对第一钻井溢流发生概率和第二钻井溢流发生概率进行加权计算，得到钻井溢流的加权概率：p＝w1×
p1+w2×
p2其中，p为钻井溢流的加权概率；w1、w2为预设置的加权权重；p1为第一钻井溢流发生概率；p2为第二钻井溢流发生概率。10.一种钻井溢流预警的装置，其特征在于，包括：溢流数据集建立模块，用于根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集；所述溢流数据集包括训练样本数据集和测试样本数据集；bp-lstm神经网络模型建立模块，用于建立bp-lstm神经网络模型；所述bp-lstm神经网络模型用于表征全连接神经网络和长短期记忆神经网络串联后的神经网络结构；溢流预警神经网络模型训练模块，用于以训练样本数据集，对bp-lstm神经网络模型进行训练，得到溢流预警神经网络模型；第一钻井溢流发生概率计算模块，用于将测试样本数据集，输入至溢流预警神经网络模型，得到第一钻井溢流发生概率；井底压力与地层压力的差值计算模块，用于根据钻井的录井数据和钻井工程数据，进行井筒内压力计算，得到井底压力与地层压力的差值；第二钻井溢流发生概率计算模块，用于根据井底压力与地层压力的差值，计算得到第二钻井溢流发生概率；加权概率计算模块，用于对第一钻井溢流发生概率和第二钻井溢流发生概率进行加权计算，得到钻井溢流的加权概率；预警模块，用于在加权概率超过预设数值时，发出钻井溢流的预警信息。11.如权利要求10所述的装置，其特征在于，还包括：数据预处理模块，用于：对钻井的录井数据和钻井工程数据，进行数据预处理，得到处理后的钻井数据；所述预处理包括：数据整理清洗处理、数据补全处理和数据标准化处理；溢流数据集建立模块，具体用于：根据处理后的钻井数据，建立用于神经网络训练和神经网络输入的溢流数据集。
其中，p为钻井溢流的加权概率；w1、w2为预设置的加权权重；p1为第一钻井溢流发生概率；p2为第二钻井溢流发生概率。19.一种计算机设备，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权利要求1至9任一所述方法。20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至9任一所述方法。21.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至9任一所述方法。
技术总结
本发明公开了一种钻井溢流预警的方法及装置，该方法包括：根据钻井的录井数据和钻井工程数据，建立用于神经网络训练和神经网络输入的溢流数据集；建立BP-LSTM神经网络模型；以训练样本数据集，对BP-LSTM神经网络模型进行训练，得到溢流预警神经网络模型；将测试样本数据集，输入至溢流预警神经网络模型，得到第一钻井溢流发生概率；根据钻井的录井数据和钻井工程数据，进行井筒内压力计算，得到第二钻井溢流发生概率；对第一钻井溢流发生概率和第二钻井溢流发生概率进行加权计算，得到钻井溢流的加权概率；在加权概率超过预设数值时，发出钻井溢流的预警信息。本发明可提升钻井溢流预警的准确度和处理效率。预警的准确度和处理效率。预警的准确度和处理效率。
技术研发人员：刘伟 宋先知 付加胜 蒋宏伟 段世明 李牧 翟小强 王振
受保护的技术使用者：中国石油集团工程技术研究院有限公司
技术研发日：2021.12.31
技术公布日：2022/5/17