1.一种井下参数预测方法，其特征在于，所述方法包括：获取利用多源数据构建的用于对井下参数进行预测的井下参数预测模型及其损失函数；对所述井下参数构建机理模型，将所述机理模型嵌入所述井下参数预测模型的损失函数中，得到基于物理约束的损失函数；通过优化训练对井下参数预测模型的模型参数进行反向传播更新，得到机理数据融合的井下参数智能预测模型；利用所述井下参数智能预测模型对井下参数进行预测，得到预测结果；所述方法还包括按照以下方式构建所述井下参数预测模型：获取多源数据，生成多源数据集；所述多源数据包括以下任意一种或多种数据：录井数据、测井数据、钻井数据；对所述多源数据集中的数据进行预处理，得到井下关键参数特征集；利用所述井下关键参数特征集训练得到井下参数预测模型及其损失函数；所述对所述多源数据集中的数据进行预处理，得到井下关键参数特征集包括：利用异常值剔除、线性回归插值、滑动平均滤波中的任意一种或多种方法，筛除井下异常和噪音数据；利用方差选择方法选择特征参数；计算不同特征参数间的相关系数，根据所述相关系数确定候选特征参数；利用统计学中的非参数方法，确定所述候选特征参数中的有效特征参数；对非时序数特征参数进行独热编码，得到编码的非时序特征参数；将所述编码的非时序特征参数与所述有效特征参数进行融合，生成井下关键参数特征集。
2.根据权利要求1所述的井下参数预测方法，其特征在于，所述录井数据包括以下任意一种或多种数据：井深、钻压、转盘扭矩、转速、机械钻速、泵压、总池体积、入口密度、出口密度、大钩负荷、泵冲、当量密度；所述测井数据包括以下任意一种或多种数据：自然伽马、自然电位、声波时差、深侧向电阻率曲线、浅侧向电阻率、密度或中子；所述钻井数据包括以下任意一种或多种数据：自然伽马、自然电位、井径、视电阻率、深侧向电阻率曲线、浅侧向电阻率曲线、声波、密度、中子等。
3.根据权利要求1所述的井下参数预测方法，其特征在于，所述利用所述井下关键参数特征集训练得到井下参数预测模型包括：利用所述井下关键参数特征集训练得到候选井下参数预测模型；对所述候选井下参数预测模型进行模型参数优选测试，确定井下参数预测模型。
4.根据权利要求3所述的井下参数预测方法，其特征在于，所述对所述候选井下参数预测模型进行模型参数优选测试包括：选取以下任意一项或多项作为模型预测效果的评价指标：均方根误差 RMSE 、平均相对误差 、最大相对误差 、训练用时。
5.根据权利要求1所述的井下参数预测方法，其特征在于，所述机理模型包括以下任意一种或多种：正反比例响应关系模型、管柱受力平衡模型、多相流模型。
6.根据权利要求1所述的井下参数预测方法，其特征在于，所述将所述机理模型嵌入所述井下参数预测模型的损失函数中，得到基于物理约束的损失函数包括：将所述机理模型的输入参数表示为井下参数的物理函数，得到基于物理约束的损失函数。
7.根据权利要求1至6任一项所述的井下参数预测方法，其特征在于，所述井下参数包括以下任意一种或多种：井底扭矩、钻压、当量密度。
8.一种井下参数预测装置，其特征在于，所述装置包括：模型确定模块，用于获取利用多源数据构建的用于对井下参数进行预测的井下参数预测模型及其损失函数；修正模块，用于对所述井下参数构建机理模型，将所述机理模型嵌入所述井下参数预测模型的损失函数中，得到基于物理约束的损失函数；模型优化模块，用于通过优化训练对井下参数预测模型的模型参数进行反向传播更新，得到机理数据融合的井下参数智能预测模型；预测模块，用于利用所述井下参数智能预测模型对井下参数进行预测，得到预测结果；所述方法还包括按照以下方式构建所述井下参数预测模型：获取多源数据，生成多源数据集；所述多源数据包括以下任意一种或多种数据：录井数据、测井数据、钻井数据；对所述多源数据集中的数据进行预处理，得到井下关键参数特征集；利用所述井下关键参数特征集训练得到井下参数预测模型及其损失函数；所述对所述多源数据集中的数据进行预处理，得到井下关键参数特征集包括：利用异常值剔除、线性回归插值、滑动平均滤波中的任意一种或多种方法，筛除井下异常和噪音数据；利用方差选择方法选择特征参数；计算不同特征参数间的相关系数，根据所述相关系数确定候选特征参数；利用统计学中的非参数方法，确定所述候选特征参数中的有效特征参数；对非时序数特征参数进行独热编码，得到编码的非时序特征参数；将所述编码的非时序特征参数与所述有效特征参数进行融合，生成井下关键参数特征集。
9.根据权利要求8所述的井下参数预测装置，其特征在于，所述装置还包括：模型构建模块，用于构建所述井下参数预测模型；所述模型构建模块包括：数据采集单元，用于获取多源数据，生成多源数据集；所述多源数据包括以下任意一种或多种数据：录井数据、测井数据、钻井数据；数据处理单元，用于对所述多源数据集中的数据进行预处理，得到井下关键参数特征集；训练单元，用于利用所述井下关键参数特征集训练得到井下参数预测模型及其损失函数。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至7中任一项所述井下参数预测方法的步骤。
