(19)中华 人民共和国 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 202111169751.2 (22)申请日 2021.10.08 (71)申请人 长江大学 地址 434023 湖北省荆州市南环路1号 (72)发明人 白凯　张万兴　董阿兵　 (74)专利代理 机构 北京盛询知识产权代理有限 公司 11901 代理人 李艳芬 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的石油钻井的钻速预测 方法及系统 (57)摘要 本发明公开一种基于机器学习的石油钻井 的钻速预测方法及系统， 包括以下步骤： 采集若 干组石油钻井的全过程数据； 对 所述全过程数据 进行预处理， 获取钻速分段预测模型的样本数 据， 随机划分为训练数据集和测试数据集； 构建 所述钻速分段预测模型， 利用所述训练数据集对 所述钻速分段预测模型进行训练， 得到训练后的 钻速分段预测模 型； 利用所述训练后的钻速分段 预测模型对 所述测试数据集进行钻速预测。 本发 明使用方法原理可靠， 操作简便， 能够提高钻井 效率， 缩短钻井周期， 降低钻井成本， 从而大幅提 高油气资源的开发 效率， 具有广阔的市场应用前 景。 权利要求书2页 说明书5页 附图1页 CN 113887049 A 2022.01.04 CN 113887049 A 1.一种基于 机器学习的石油钻井的钻速预测方法， 其特 征在于， 包括以下步骤： 采集若干组石油钻井的全过程数据； 对所述全过程数据进行预处理， 获取钻速分段预测模型的样本数据， 随机划分为训练 数据集和 测试数据集； 构建所述钻速分段预测模型， 利用所述训练数据集对所述钻速分段预测模型进行训 练， 得到训练后的钻速分段 预测模型； 利用所述训练后的钻速分段 预测模型对所述测试 数据集进行钻速预测。 2.根据权利要求1所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 所述 全过程数据包括钻井过程的动态指标和静态指标。 3.根据权利要求2所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 对所 述全过程数据进行 预处理包括： 对若干组所述全过程数据结合专家经验进行筛选， 选择一组所述全过程数据作为目标 全过程数据； 对所述目标全过程数据进行清洗， 去除所述静态指标和所述动态指标中的噪音数据； 对清洗后的所述目标全过程数据中离群点数据进行删除， 并按照钻井阶段进行分类， 获得分阶段钻井数据； 对所述分阶段钻井数据进行归一 化处理； 对归一化后的所述分阶段钻井数据进行划分， 获得所述训练数据集和所述测试数据 集， 其中， 所述训练数据集和所述测试 数据集与所述钻井阶段相对应。 4.根据权利要求3所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 对清 洗后的所述目标全过程数据中离群点数据进行删除包括： 将所述清洗后的所述目标全过程数据进行聚类， 对清洗后的所述目标全过程数据中的 离群点数据进行第一次检测， 获取第一阶段离群点数据， 删除所述第一阶段离群点数据； 利用Elliptic  Envelope方法对剩余所述清洗后的所述目标全过程数据进行第二次检 测， 获取第二阶段离群点数据， 删除所述第二阶段离群点数据。 5.根据权利要求3所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 对所 述分阶段钻井数据进行归一 化处理采用Z‑score标准化方法。 6.根据权利要求1所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 所述 钻速分段 预测模型采用深度全连接神经网络 。 7.根据权利要求6所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 所述 钻速分段预测 模型采用Paddle  Paddle框架构建， 包括输入层、 隐藏层和输出层， 所述隐藏 层使用的激活函数 是Sigmoid函数， 所述输出层采用tanh函数， 损失函数采用均方误差 。 8.根据权利要求7所述的基于机器学习的石油钻井的钻速预测方法， 其特征在于， 所述 钻速分段 预测模型采用Adam方法进行优化训练。 9.一种基于机器学习的石油钻井的钻速预测系统， 其特征在于， 包括数据采集模块、 数 据预处理模块和钻速预测模块， 所述数据采集模块， 用于采集若干组石油钻井的全过程数据； 所述数据预处理模块， 用于对所述全过程数据进行预处理， 获取钻速分段预测模型的 样本数据， 随机划分为训练数据集和 测试数据集；权　利　要　求　书 1/2 页 2 CN 113887049 A 2所述钻速预测模块， 用于构建所述钻速分段预测模型， 利用所述训练数据集对所述钻 速分段预测模型进行训练， 得到训练后的钻速分段 预测模型； 利用所述训练后的钻速分段 预测模型对所述测试 数据集进行钻速预测。权　利　要　求　书 2/2 页 3 CN 113887049 A 3