一种动态钻井数据异常趋势检测方法

1.一种动态钻井数据异常趋势检测方法，其特征在于，按照下述步骤进行：步骤一、通过利用五个趋势检测指标来确定实时数据的趋势，其中包括：1)原始数据移动平均值的偏差(DMA)DMA t ＝MA α，t -MA β，t (α＞β) (1)式中：MA α，t 和MA β，t 为t时刻窗口长度分别为α和β的移动平均值，DMA为正值时表示增长趋势，负值表示降低趋势；2)移动平均斜率的偏差(DMAK)F(x)＝a 0 +a 1 x (2)MK t ＝a 1，min (4)式中：x为实时数据；F(x)为实时数据的一个线性拟合函数；a 0 和a 1 为常数；Γ(a 0 ，a 1 )为目标函数，用于计算误差平方和；a 1，min 为目标函数最小值时，即最优线性拟合函数的斜率；加权移动平均值算法如下所示：i＝t-n+1，°t-n+2，......，°t (6)式中：MAK t 表示较长时间范围内的平均趋势用，MAK t 的符号和绝对值都代表数据趋势，n为移动窗口的长度；DMAK t ＝MAK α，t -MAK β，t (α＞β) (8)式中：DMAK t 为移动平均斜率的偏差，MAK α，t 和MAK β，t 为MAK t 在窗口长度α和β下的值，DMAK t 为正值时表示数据的加速趋势，负值表示减速趋势；3)累加移动平均值的偏差(DCMA)累加移动平均值是所有数据的未加权平均值，在未出现新数据时，数据的累加移动平均值为：出现新数据点，累加移动平均值为：累加移动平均值的偏差(DCMA)计算公式如下：DCMA t ＝CMA i -x i (11)4)指法平滑差值(DES)当所需预测数据无明显趋势变化时，一次指数平滑法的预测精度较高，其平滑预测模型如下所示：式中， 为第t期的一次指数平滑值； 为第t+1期的预测值；x t 为第t期的实际值；α(0＜α＜1)为平滑系数当数据呈线性趋势时二次指数平滑法预测精度较高，其平滑公式和预测模型如下所示：式中， 为第t期的2次指数平滑值当数据呈非线性趋势时三次指数平滑法的预测精度高，其平滑公式和平滑预测模型如下：式中， 为第t期的3次指数平滑值指数平滑差值的计算公式如下：5)平均值-标准差(SFA)式中， 为t时刻时间窗口数据中间三个数值的平均值；μ t 为t时刻时间窗口的均值；σ t 为t时刻时间窗口数据的标准差；步骤二、最终趋势变化指数计算最终计算结果通过各趋势检测指标投票决定，通过分配给各异常趋势检测指标不同的权重，得到一个最终趋势变化指数(ATI)，利用如下公式将ATI转换为从0到1的数值，计算公式如下(该公式为使用所有异常趋势检测指标进行投票)：式中，w i 为各异常趋势检测指标的加权因子，可使用相同权重；计算ATI所用的各趋势检测指标可按实际情况进行选择步骤三、阀值设定与报警1)报警阀值设定阈值的设定利用动态阈值设定法，参考过去一段时间内数据的均值、最大值以及最小值，取当前时刻前一段时间的均值、最大值以及最小值，然后计算最值与均值之差，并取最小值；threshold＝min(X max，avg -X avg，min ) (25)式中，threshold为阈值；X max，avg 为最大值与均值的差；X avg，min 为均值与最小值的差2)当ATI大于设定的阈值时，系统触发警报。