CN117077060A - 页岩气井的井漏预警方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明公开了一种页岩气井的井漏预警方法、装置、电子设备和存储介质。其特征包括：获取目标页岩气井的钻井历史数据；根据所述钻井历史数据确定预警样本数据；对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息。实现对页岩气井的准确井漏预警，提高了井漏预警的准确率，减少了井漏预警误报次数，对页岩气井发生井漏的进行快速反应。

Description

页岩气井的井漏预警方法、装置、电子设备和存储介质

技术领域

本发明涉及页岩气井开采领域，尤其涉及一种页岩气井的井漏预警方法、装置、电子设备和存储介质。

背景技术

页岩气井位于页岩气中提取天然气的油井，页岩气井通过多段压裂技术进行采集天然气，而在页岩气井开采天然气的过程中，由于页岩气层受压力不均、地层破裂、井壁不稳定或开采错误等原因导致页岩气井发生井漏，井漏处理不及时会导致井液流失、井涌、井喷和钻具损坏的严重问题。因此，在页岩气井进行开采时，需要及时的判断页岩气井是否存在井漏风险，通过及时的故障检测和预警能够有效的降低页岩气井的安全风险，降低开采时页岩气井钻井成本。现有技术中，通常需要专业技术人员针对页岩气井的施工经验和开采过程中的传感器参数进行人工判断，预测井漏的预警延迟时间长、误报率高。

发明内容

本发明提供了一种页岩气井的井漏预警方法、装置、电子设备和存储介质，以实现对页岩气井的井漏的高效和准确预警。

根据本发明的一方面，提供了一种页岩气井的井漏预警方法，包括：

获取目标页岩气井的钻井历史数据；

根据所述钻井历史数据确定预警样本数据；

对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；

根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息；

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的根据本发明的另一方面，提供了一种页岩气井的井漏预警装置、包括：

数据获取模块，用于获取目标页岩气井的钻井历史数据；

样本数据生成模块，用于根据所述钻井历史数据确定预警样本数据；

样本分析模块，用于对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；

井漏预警模块，用于根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息；

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的页岩气井的井漏预警方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的页岩气井的井漏预警方法。

本发明实施例的技术方案通过获取目标页岩气井的钻井历史数据，通过钻井历史数据能够真实提供目标页岩气井的真实信息，对目标页岩气井进行数据分析，提高预测的准确性；根据所述钻井历史数据确定预警样本数据，预警样本数据能够提高数据的质量和精度，减少数据量，提高处理效率，能够提高预警的精度；对所述预警样本数据进行井漏敏感性分析，确定预警特征数据，通过井漏敏感性分析能够发现井漏在数据层面的规律和趋势，提高预警的准确率和准确率；根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息，通过井漏预警模型能够自适应井漏场景，能够高效的处理数据，并给出数据处理的结果，减少预警消耗的时间，提高预警的效率，解决了现有技术中实现了对页岩气井的准确井漏预警，提高了井漏预警的准确率，减少了井漏预警误报次数，对页岩气井发生井漏的进行快速反应。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种页岩气井的井漏预警方法的流程图；

图2是本发明实施例二提供的另一种页岩气井的井漏预警方法的流程图；

图3是本发明实施例三提供的另一种页岩气井的井漏预警方法的流程图；

图4是本发明实施例四提供的一种页岩气井的井漏预警装置的结构示意图；

图5是实现本发明实施例的页岩气井的井漏预警方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

实施例一

图1是本发明实施例一提供了一种页岩气井的井漏预警方法的流程图，本实施例可适用于对页岩气井的井漏进行预警，该方法可以由页岩气井的井漏预警装置来执行，该页岩气井的井漏预警装置可以采用硬件和/或软件的形式实现，该页岩气井的井漏预警装置可配置于电子设备中。如图1所示，该方法包括：

S110、获取目标页岩气井的钻井历史数据。

其中，目标页岩气井可以是进行任意一个或多个进行井漏风险预警的页岩气井。

其中，钻井历史数据可以是目标页岩气井建设和开采过程中的地层环境信息和工作信息。示例性的，钻井历史数据包括录井实时秒数据、地质分层数据、井身结构数据、钻井液数据和井漏记录中的至少一种。

具体的，针对预警的目标页岩气井，收集目标页岩气井的钻井历史数据。

S120、根据所述钻井历史数据确定预警样本数据。

其中，预警样本数据可以是用于对目标页岩气井进行预警的样本数据。可选的，钻井历史数据的数据量十分庞大，钻井历史数据对应的预警样本数据的数据量也十分庞大，通过建立样本数据库用于存储预警样本数据。

具体的，通过钻井历史数据确定预警样本数据。

S130、对所述预警样本数据进行井漏敏感性分析，确定预警特征数据。

其中，预警特征数据可以是预测井漏风险的特征数据。可选的，预警特征数据可以包括页岩气井的基础特征数据、专业特征数据和变化特征数据中的至少一种。示例性的，基础特征数据可以包括钻速、立管压力、套管压力、液罐容量、出入口密度、出入口温度、出入口流量和总烃中的至少一种；专业特征数据可以包括表征线重、附加循环当量密度、dc指数(dc-exponent)和环空压降中至少一种；变化特征数据可以包括特征的移动平均值和移动斜率特征值。

具体的，通过根据预警样本数据在井漏时的数据变化规律进行井漏敏感性分析，确定井漏敏感性高的特征数据，确定预警特征数据。

可选的，在本发明另一可选实施例中，所述对所述预警样本数据进行井漏敏感性分析，确定预警特征数据，包括：

对所述预警样本数据进行相关性分析和相关性计算，确定所述预警样本数据的井漏相关系数；对所述预警样本数据进行井漏异常检测，确定所述预警样本数据的井漏异常值；根据所述井漏相关系数和所述井漏异常值确定所述预警特征数据。

其中，相关性分析可以是评估预警样本数据中数据特征与实际井漏数据之间相关程度的分析方法。示例性的，相关性分析可以通过散点图分析进行分析。

其中，相关性计算可以是计算预警样本数据中数据特征与实际井漏数据两个变量的相关系数。示例性的，相关系数可以是介于-1和1之间的值，能够表示变量之间的相关程度。

其中，井漏相关系数可以是体现预警样本数据中数据特征与实际井漏之间的相关程度。

其中，井漏异常值可以是预警样本数据中数据特征存在一定异常；井漏异常值可以用于表示特征数据是否影响目标页岩气井发生井漏风险。

可选的，在本发明实施例中，通过井漏异常检测计算预警样本数据的异常值，进而判断预警样本数据是否存在异常数据，进而识别存在异常的预警样本数据，提高数据分析准确性。示例性的，井漏异常检测可以通过箱型图异常检测和3sigma检查。

具体的，在对预警样本数据进行数据分析，判断预警样本数据和实际井漏数据之间的相关性，并通过相关系计算得到预警样本数据与实际井漏数据之间的井漏相关系数；并同时对预警样本数据进行异常检测，通过井漏异常检测判断每个预警样本数据的异常情况，计算得到预警样本数据对应的井漏异常值；从而依据预警样本数据的井漏相关系数和井漏异常值判断预警样本数据与实际井漏之间的关联性，得到关联性强的预警特征数据。

S140、根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息。

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的。可选的，预警训练数据可以是预先针对至少一个目标页岩气井的数据处理提取得到特征数据，通过预警训练数据训练初始预警模型，得到井漏预警模型。初始预警模型可以是针对目标页岩气井的实际工作场景设计的神经网络模型。示例性的，初始预警模型可以是卷积神经网络模型和长短期记忆神经网络模型。

其中，井漏预警信息可以是目标页岩气井存在井漏的可能性和发生井漏的井漏程度。示例性的，井漏预警信息可以是目标页岩气井正常、目标页岩气井存在发生渗漏、小漏、中漏、大漏和严重漏生的概率。

具体的，将获取到预警特征数据输入至预先的井漏预警模型中，井漏预警模型根据预警特征数据进行井漏分析，得到目标页岩气井的井漏预警信息，通过井漏预警信息提示目标页岩气井的井漏风险。

本发明实施例的技术方案通过获取目标页岩气井的钻井历史数据，通过钻井历史数据能够真实提供目标页岩气井的真实信息，对目标页岩气井进行数据分析，提高预测的准确性；根据所述钻井历史数据确定预警样本数据，预警样本数据能够提高数据的质量和精度，减少数据量，提高处理效率，能够提高预警的精度；对所述预警样本数据进行井漏敏感性分析，确定预警特征数据，通过井漏敏感性分析能够发现井漏在数据层面的规律和趋势，提高预警的准确率和准确率；根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息，通过井漏预警模型能够自适应井漏场景，能够高效的处理数据，并给出数据处理的结果，减少预警消耗的时间，提高预警的效率，解决了现有技术中实现了对页岩气井的准确井漏预警，提高了井漏预警的准确率，减少了井漏预警误报次数，对页岩气井发生井漏的进行快速反应。

实施例二

图2是本发明实施例二提供的另一种页岩气井的井漏预警方法的流程图，本实施例与上述实施例之间的关系为对目标页岩气井的钻井历史数据进行数据处理的具体方法。如图2所示，该页岩气井的井漏预警方法包括：

S210、获取目标页岩气井的钻井历史数据。

S220、根据预设的井漏数据预处理方法对所述钻井历史数据进行数据预处理，确定钻井特征数据。

其中，钻井特征数据可以是具备代表性且规范的钻井历史数据。

其中，井漏数据预处理方法可以是预先针对不同类型数据设置的数据预处理方法。可选的，通过数据预处理能够对数据进行清洗转换，并对杂乱的数据进行规范化，减少数据中的异常、缺少和重复数据。示例性的，井漏数据预处理方法的方法可以包括原始数据重采样、缺失数据占比分析和处理、异常数据识别和处理、噪声数据平滑、数据归一化、时深对齐和多专业数据融合中的至少一种。

具体的，针对获取到的目标页岩气井的钻井历史数据，针对钻井历史数据的数据类型确定对应的预设的井漏数据预处理方法，分别使用不同的井漏数据预处理方法对不同数据类型的钻井历史数据进行数据预处理，得到钻井特征数据。

S230、获取现场井漏记录数据，基于所述现场井漏记录数据对所述钻井特征数据进行数据提取，确定所述预警样本数据。

其中，现场井漏记录数据可以是现场工作人员和/或记录设备记录目标页岩气井发生井漏的记录信息。现场井漏记录数据可以包括井漏发生的开始时间和结束时间、井漏发生的位置、井漏的严重程度和持续时间、钻井液、水泥浆的流失量和应对措施及效果中至少一种。

具体的，获取目标页岩气井的现场井漏记录数据，通过现场井漏记录数据钻井特征数据进行比对分析，提取钻井特征数据符合现场井漏记录数据对应的特征数据，进而确定预警样本数据。

可选的，在本发明另一可选是实施例中，所述基于所述现场井漏记录数据对所述钻井特征数据进行样本标注，确定所述预警样本数据，包括：

基于所述现场井漏记录数据对所述钻井特征数据进行图形分析，确定所述钻井特征数据中的异常特征波形，并确定所述异常特征波形的异常开始时间和异常结束时间；根据所述异常特征波形的异常开始时间和异常结束时间对所述钻井特征数据进行数据提取，确定所述预警样本数据。

其中，异常特征波形可以是波形变化不符合正常波形变化的异常特征。

可选的，钻井特征数据在图形中通常以波的形式可视化，在针对钻井特征数据对应的波形数据进行特征识别，通过现场井漏记录数据识别在发生井漏时的异常波形，作为样本数据。

其中，异常开始时间可以是钻井特征数据的波形发生异常的时间点。

具体的，获取目标页岩气井的现场井漏记录数据，基于现场井漏记录数据对目标页岩气井的钻井特征数据进行图形分析，识别得到钻井特征数据中的异常特征波形，记录异常特征波形的异常开始时间和异常结束时间，依据异常特征波形的异常开始时间和异常结束时间在钻井特征数据进行数据提取，确定预警样本数据。

S240、对所述预警样本数据进行井漏敏感性分析，确定预警特征数据。

S250、根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息。

可选的，在本发明另一可选实施例中，在提取预警样本数据时，分析提取预警样本数据的特征，确定钻井特征数据中的特征规律，根据钻井特征数据中的特征规律和现场井漏记录数据训练特征提取模型，并在特征提取模型中针对不同各类钻井历史数据训练数据预处理的模型参数，进而能够通过特征提取模型根据钻井历史数据和现场井漏记录数据进行模型处理，直接得到预警特征数据。通过训练特征提取模型能够有效提高提取数据的效率，进一步提高模型预警的效率。

本发明实施例的技术方案通过获取目标页岩气井的钻井历史数据；根据预设的井漏数据预处理方法对所述钻井历史数据进行数据预处理，确定钻井特征数据；数据预处理能够进行数据规范化和特征选择，提高数据的准确性和特征处理效率；获取现场井漏记录数据，基于所述现场井漏记录数据对所述钻井特征数据进行数据提取，确定所述预警样本数据，通过现场井漏记录数据进行数据提取，能够使数据符合实际井漏的情况，提高数据提取的准确性，预警样本数据能够提高数据的质量和精度，减少数据量，提高处理效率，能够提高预警的精度；对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息，解决了现有技术中实现了对页岩气井的准确井漏预警，提高了井漏预警的准确率，减少了井漏预警误报次数，对页岩气井发生井漏的进行快速反应。

实施例三

图3是本发明实施例三提供的另一种页岩气井的井漏预警方法的流程图，本实施例与上述实施例之间的关系为在对目标页岩气井进行井漏预警之前，训练和优化井漏预警模型的具体方法。如图3所示，该页岩气井的井漏预警方法包括：

S310、获取预警训练数据。

具体的，获取目标页岩气井用于训练的钻井数据，对钻井数据进行井漏数据预处理、数据特征提取和特征敏感性分析，得到用于模型训练的预警训练数据。

S320、根据所述预警训练数据确定模型训练特征集和模型验证特征集。

其中，模型训练特征集可以是训练模型的特征数据集；模型验证特征集可以是验证模型性能的特征数据集。

具体的，将预警训练数据进行数据划分，将多数的数据划分为模型训练特征集，将少数的数据划分为模型验证特征集。

S330、将所述模型训练特征集输入预先建立的初始预警模型进行模型训练，得到初步预警模型。

其中，初步预警模型可以是通过模型训练特征集训练得到神经网络模型。需要说明的是，虽然初步预警模型能够完成井漏预警，但是需要对初步预警模型的模型性能进行验证，在初步预警模型的模型性能满足使用需求时，可以停止模型训练，否则需要对初步预警模型进行参数调整，继续进行模型训练。

具体的，将模型训练特征集输入至预先建立的初始预警模型中，对初始预警模型进行模型训练，得到初步预警模型。

S340、根据所述模型验证特征集对所述初步预警模型进行性能测试，确定所述初步预警模型的模型预测精度。

其中，模型预测精度可以是初步预警模型针对井漏的预警精准程度。

具体的，将模型验证特征集输入至初步预警模型中，通过初步预警模型对模型验证特征集进行数据处理，输出初步预警模型的预警结果，判断初步预警模型的预警结果和实际井漏记录的差异，得到初步预警模型的模型预测精度。

S350、在所述模型预测精度大于预设的模型精度阈值的情况下，将所述初步预警模型确定为井漏预警模型。

其中，模型精度阈值可以是预先设置用于判断初步预警模型的模型性能的性能指标。

具体的，在获取到初步预警模型的模型预测精度，判断模型预测精度和预设的模型精度阈值的大小关系，如果模型预测精度大于预设的模型精度阈值，则认为初步预警模型满足性能需求，将初步预警模型确定为井漏预警模型；如果模型预测精度小于预设的模型精度阈值，则认为初步预警模型不满足性能需求，需要重新训练优化初步预警模型。

可选的，在初步预警模型不满足性能需求时，分析初步预警模型的模型参数，判断不同特征数据对模型性能的影响，选择去除无效特征，降低模型维度和模型训练的数据量，通过减少预警训练数据的数据量和数据类型，继续训练或优化初步预警模型。

可选的，在本发明另一可选实施例中，在所述将所述初步预警模型确定为井漏预警模型之后，还包括：

根据所述井漏相关系数和所述井漏异常值向模型训练特征集确定至少一个新增模型训练特征；根据所述新增模型训练特征添加至所述模型训练特征集进行数据更新，得到更新后的模型训练特征集；根据所述更新后的模型训练特征集和所述模型验证特征集对所述井漏预警模型进行参数优化，确定优化后的井漏预警模型，并获取优化后的井漏预警模型的模型优化精度；如果所述模型优化精度大于所述预设的模型优化阈值，则将优化后的井漏预警模型更新为所述井漏预警模型。

其中，新增模型训练特征可以是预警样本数据中与井漏相关性较小的特征数据。需要说明的是，在井漏预警模型训练完成后，对井漏预警模型的模型性能进行提升，选择增加模型训练特征进行优化，进而可以根据预警样本数据中与井漏相关性关系，逐步选择相关性减小的特征数据作为新增模型训练特征进行模型优化。

其中，模型优化精度可以是优化后的井漏预警模型的模型预测精度相对于原本井漏预警模型的模型预测精度的精度变化程度。模型优化精度可以反映新增模型训练特征对井漏预警模型的性能影响情况，模型优化精度为正值时，新增模型训练特征能够提高井漏预警模型的性能；模型优化精度为负值时，新增模型训练特征降低了井漏预警模型的性能，模型优化精度为零值时，新增模型训练特征不影响井漏预警模型的性能。

其中，模型优化阈值可以是预先设置的用于判断新增模型训练特征对井漏预警模型的性能的影响程度。模型优化阈值可以检测新增模型训练特征是否优化了井漏预警模型的性能，通常情况下，模型优化阈值可以设置为正值或零值。

具体的，通过井漏相关系数和井漏异常值向模型训练特征集确定至少一个新增模型训练特征，将新增模型训练特征添加至模型训练特征集中，完成对模型训练特征集的数据更新，得到更新后的模型训练特征集，将更新后的模型训练特征集对井漏预警模型进行模型训练，确定优化后的井漏预警模型，通过模型验证集测试优化后的井漏预警模型的模型性能，得到优化后的井漏预警模型的模型预测精度，计算得到优化后的井漏预警模型的模型优化精度，判断模型优化精度与预设的模型优化阈值的关系，如果模型优化精度大于预设的模型优化阈值，则将优化后的井漏预警模型更新为井漏预警模型。

可选的，在本发明另一可选实施例中，如果所述模型优化精度小于所述预设的模型优化阈值，则在更新后的模型训练特征集中删除所述新增模型训练特征。

具体的，针对优化后的井漏预警模型，通过模型验证集测试优化后的井漏预警模型的模型性能，得到优化后的井漏预警模型的模型预测精度，计算得到优化后的井漏预警模型的模型优化精度，判断模型优化精度与预设的模型优化阈值的关系，如果模型优化精度小于预设的模型优化阈值，则说明新增模型训练特征无法提高井漏预警模型的性能，在更新后的模型训练特征集中删除所述新增模型训练特征。

本发明实施例的技术方案通过训练得到井漏预警模型对数据进行处理，得到井漏预警信息，能够自适应井漏场景，能够高效的处理数据，并给出数据处理的结果，减少预警消耗的时间，提高预警的效率，解决了现有技术中实现了对页岩气井的准确井漏预警，提高了井漏预警的准确率，减少了井漏预警误报次数，对页岩气井发生井漏的进行快速反应。

实施例四

图4是本发明实施例四提供的一种页岩气井的井漏预警装置的结构示意图。如图4所示，该装置包括：数据获取模块410、样本数据生成模块420、样本分析模块430和井漏预警模块440，其中,

数据获取模块410，用于获取目标页岩气井的钻井历史数据；

样本数据生成模块420，用于根据所述钻井历史数据确定预警样本数据；

样本分析模块430，用于对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；

井漏预警模块440，用于根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息；

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的。

本发明实施例的技术方案通过获取目标页岩气井的钻井历史数据，通过钻井历史数据能够真实提供目标页岩气井的真实信息，对目标页岩气井进行数据分析，提高预测的准确性；根据所述钻井历史数据确定预警样本数据，预警样本数据能够提高数据的质量和精度，减少数据量，提高处理效率，能够提高预警的精度；对所述预警样本数据进行井漏敏感性分析，确定预警特征数据，通过井漏敏感性分析能够发现井漏在数据层面的规律和趋势，提高预警的准确率和准确率；根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息，通过井漏预警模型能够自适应井漏场景，能够高效的处理数据，并给出数据处理的结果，减少预警消耗的时间，提高预警的效率，解决了现有技术中实现了对页岩气井的准确井漏预警，提高了井漏预警的准确率，减少了井漏预警误报次数，对页岩气井发生井漏的进行快速反应。

可选的，所述样本分析模块具体用于：

对所述预警样本数据进行相关性分析和相关性计算，确定所述预警样本数据的井漏相关系数；

对所述预警样本数据进行井漏异常检测，确定所述预警样本数据的井漏异常值；

根据所述井漏相关系数和所述井漏异常值确定所述预警特征数据。

可选的，所述样本数据生成模块具体用于：

根据预设的井漏数据预处理方法对所述钻井历史数据进行数据预处理，确定钻井特征数据；

获取现场井漏记录数据，基于所述现场井漏记录数据对所述钻井特征数据进行数据提取，确定所述预警样本数据。

可选的，所述样本数据生成模块具体还用于：

基于所述现场井漏记录数据对所述钻井特征数据进行图形分析，确定所述钻井特征数据中的异常特征波形，并确定所述异常特征波形的异常开始时间和异常结束时间；

根据所述异常特征波形的异常开始时间和异常结束时间对所述钻井特征数据进行数据提取，确定所述预警样本数据。

可选的，所述装置还包括训练初始化模块、训练数据处理模块、模型训练模块、模型测试模块和模型判断模块；其中：

所述训练初始化模块，用于获取预警训练数据；

所述训练数据处理模块，用于根据所述预警训练数据确定模型训练特征集和模型验证特征集；

所述模型训练模块，用于将所述模型训练特征集输入预先建立的初始预警模型进行模型训练，得到初步预警模型；

所述模型测试模块，用于根据所述模型验证特征集对所述初步预警模型进行性能测试，确定所述初步预警模型的模型预测精度；

所述模型判断模块，用于在所述模型预测精度大于预设的模型精度阈值的情况下，将所述初步预警模型确定为井漏预警模型。

可选的，所述装置还包括优化初始化模块、数据更新模块、模型优化模块和模型更新模块；其中：

所述优化初始化模块，用于根据所述井漏相关系数和所述井漏异常值向模型训练特征集确定至少一个新增模型训练特征；

所述数据更新模块，用于根据所述新增模型训练特征添加至所述模型训练特征集进行数据更新，得到更新后的模型训练特征集；

所述模型优化模块，用于根据所述更新后的模型训练特征集和所述模型验证特征集对所述井漏预警模型进行参数优化，确定优化后的井漏预警模型，并获取优化后的井漏预警模型的模型优化精度；

所述模型更新模块，用于如果所述模型优化精度大于所述预设的模型优化阈值，则将优化后的井漏预警模型更新为所述井漏预警模型。

可选的，所述装置还包括优化失败模块；其中：

所述优化失败模块，用于如果所述模型优化精度小于所述预设的模型优化阈值，则在更新后的模型训练特征集中删除所述新增模型训练特征。

本发明实施例所提供的页岩气井的井漏预警装置可执行本发明任意实施例所提供的页岩气井的井漏预警方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如页岩气井的井漏预警方法。

在一些实施例中，页岩气井的井漏预警方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的页岩气井的井漏预警方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行页岩气井的井漏预警方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

实施例六

本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的页岩气井的井漏预警方法步骤，该方法包括：

获取目标页岩气井的钻井历史数据；

根据所述钻井历史数据确定预警样本数据；

对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；

根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息；

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种页岩气井的井漏预警方法，其特征在于，包括：

获取目标页岩气井的钻井历史数据；

根据所述钻井历史数据确定预警样本数据；

对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；

根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息；

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的。

2.根据权利要求1所述的方法，其特征在于,所述对所述预警样本数据进行井漏敏感性分析，确定预警特征数据，包括：

对所述预警样本数据进行相关性分析和相关性计算，确定所述预警样本数据的井漏相关系数；

对所述预警样本数据进行井漏异常检测，确定所述预警样本数据的井漏异常值；

根据所述井漏相关系数和所述井漏异常值确定所述预警特征数据。

3.根据权利要求1所述的方法，其特征在于,所述根据所述钻井历史数据确定预警样本数据，包括：

根据预设的井漏数据预处理方法对所述钻井历史数据进行数据预处理，确定钻井特征数据；

获取现场井漏记录数据，基于所述现场井漏记录数据对所述钻井特征数据进行数据提取，确定所述预警样本数据。

4.根据权利要求3所述的方法，其特征在于,所述基于所述现场井漏记录数据对所述钻井特征数据进行样本标注，确定所述预警样本数据，包括：

基于所述现场井漏记录数据对所述钻井特征数据进行图形分析，确定所述钻井特征数据中的异常特征波形，并确定所述异常特征波形的异常开始时间和异常结束时间；

根据所述异常特征波形的异常开始时间和异常结束时间对所述钻井特征数据进行数据提取，确定所述预警样本数据。

5.根据权利要求1所述的方法，其特征在于,在所述根据所述预警特征数据和预先训练的井漏预警模型，对所述目标页岩气井进行井漏预警之前，还包括：

获取预警训练数据；

根据所述预警训练数据确定模型训练特征集和模型验证特征集；

将所述模型训练特征集输入预先建立的初始预警模型进行模型训练，得到初步预警模型；

根据所述模型验证特征集对所述初步预警模型进行性能测试，确定所述初步预警模型的模型预测精度；

在所述模型预测精度大于预设的模型精度阈值的情况下，将所述初步预警模型确定为井漏预警模型。

6.根据权利要求5所述的方法，其特征在于,在所述将所述初步预警模型确定为井漏预警模型之后，还包括：

根据所述井漏相关系数和所述井漏异常值向模型训练特征集确定至少一个新增模型训练特征；

根据所述新增模型训练特征添加至所述模型训练特征集进行数据更新，得到更新后的模型训练特征集；

根据所述更新后的模型训练特征集和所述模型验证特征集对所述井漏预警模型进行参数优化，确定优化后的井漏预警模型，并获取优化后的井漏预警模型的模型优化精度；

如果所述模型优化精度大于所述预设的模型优化阈值，则将优化后的井漏预警模型更新为所述井漏预警模型。

7.根据权利要求6所述的方法，其特征在于,在所述并获取优化后的井漏预警模型的模型优化精度之后，还包括：

如果所述模型优化精度小于所述预设的模型优化阈值，则在更新后的模型训练特征集中删除所述新增模型训练特征。

8.一种页岩气井的井漏预警方法，其特征在于，包括：

数据获取模块，用于获取目标页岩气井的钻井历史数据；

样本数据生成模块，用于根据所述钻井历史数据确定预警样本数据；

样本分析模块，用于对所述预警样本数据进行井漏敏感性分析，确定预警特征数据；

井漏预警模块，用于根据所述预警特征数据和预先训练的井漏预警模型，得到目标页岩气井的井漏预警信息；

其中，所述井漏预警模型基于所述预警训练数据对预先建立的初始预警模型训练得到的。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一所述的页岩气井的井漏预警方法。

10.一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指令，所述计算机指令用于使处理器执行时实现权利要求1-7任一所述的页岩气井的井漏预警方法。