(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111675565.6 (22)申请日 2021.12.31 (71)申请人 中国石油天然气集团有限公司 地址 100007 北京市东城区东 直门北大街9 号 申请人 中国石油集团工程 技术研究院有限 公司 (72)发明人 刘伟　宋先知　付加胜　蒋宏伟　 段世明　李牧　翟小强　王振　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 沈珍珠　郝博 (51)Int.Cl. E21B 47/00(2012.01) E21B 41/00(2006.01)G06F 30/27(2020.01) G08B 21/24(2006.01) (54)发明名称 钻井溢流预警的方法及装置 (57)摘要 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。 权利要求书4页 说明书17页 附图8页 CN 114482990 A 2022.05.13 CN 114482990 A 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。权　利　要　求　书 1/4 页 2 CN 114482990 A 27.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＝Pp‑Pdownhole 其中， ΔP为井底压力与地层压力的差值， 单位为MPa； Pp为地层压力， 单位为MPa； Pdownhole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。权　利　要　求　书 2/4 页 3 CN 114482990 A 3