1.一种钻井风险的确定方法，其特征在于，包括：获取目标井当前的目标录井数据，以及当前时间段的录井数据组；根据目标录井数据，确定出目标井的当前工况；根据目标井的当前工况、当前时间段的录井数据组，以及预设的地质-工程钻前评估剖面，确定出目标井当前的目标动态阈值；利用预设检测模型通过处理目标录井数据，得到相对应的目标重构误差；其中，预设检测模型为基于图自编码器通过无监督学习训练得到的模型；根据目标重构误差和目标动态阈值，确定目标井是否存在钻井风险。
2.根据权利要求1所述的方法，其特征在于，根据目标井的当前工况、当前时间段的录井数据组，以及预设的地质-工程钻前评估剖面，确定出目标井当前的目标动态阈值，包括：根据目标井的当前工况，查询预设的工况阈值集，确定出相匹配的目标训练集阈值；通过利用预设检测模型中的图自编码器处理当前时间段的录井数据组，确定出相对应的目标测试集阈值；根据目标录井数据，确定出目标井中当前的钻头垂深；并根据当前的钻头垂深和预设的地质-工程钻前评估剖面，确定出相对应的目标风险评估值；根据所述目标训练集阈值、目标测试集阈值，以及目标风险评估值，确定出目标井当前的目标动态阈值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本录井数据；并根据样本录井数据，构建样本训练集；根据样本录井数据，通过相关性分析，确定出针对钻井风险的关键特征参数；根据钻井工程规则，以及流体质量守恒与压力平衡规则，确定出关键特征参数关于钻井的关联关系；并根据关联关系，构建针对钻井风险基于物理约束的关键特征参数关联图；构建基于图自编码器的初始检测模型；其中，图自编码器至少包括编码器，所述编码器至少包括按序连接的GCN层和TCN层；利用关键特征参数关联图对初始检测模型进行先验学习，以使GCN层学习不同关键特征参数的关联性约束，得到中间检测模型；利用样本训练集，对中间检测模型进行无监督学习，得到符合要求的预设检测模型。
4.根据权利要求3所述的方法，其特征在于，所述关键特征参数包括以下至少之一：立管压力、入口流量、出口流量、总池体积、套管压力。
5.根据权利要求3所述的方法，其特征在于，所述图自编码器还包括解码器；其中，所述解码器与所述编码器相连，所述解码器至少包括按序连接的TCN层和GCN层。
6.根据权利要求3所述的方法，其特征在于，根据样本录井数据，构建样本训练集，包括：从样本录井数据中筛选出对应风险工况的第一类样本录井数据，以及对应正常工况的第二类样本录井数据；根据所述第二类样本录井数据，构建样本训练集；其中，所述第二类样本录井数据用于构建测试数据集。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取目标井所在区域的目标地质背景资料，以及与目标井相邻的已钻邻井的目标历史钻井记录；根据目标地质背景资料和目标历史钻井记录，确定出与钻井风险关联的风险事故因素集；其中，所述风险事故因素集至少包括：地质类因素和工程类因素；根据所述风险事故因素集，确定风险等级模糊评估规则；根据风险等级模糊评估规则，生成风险评估的比较判断矩阵；根据风险评估的比较判断矩阵，构建出相对应的预设的地质-工程钻前评估剖面。
8.一种钻井风险的确定方法，其特征在于，包括：获取目标井当前的目标录井数据，以及当前时间段的录井数据组；根据目标录井数据，确定出目标井的当前工况；根据目标井的当前工况、当前时间段的录井数据组，以及预设的地质-工程钻前评估剖面，确定出目标井当前的目标动态阈值；利用预设检测模型通过处理目标录井数据，得到相对应的目标结果数据；其中，预设检测模型至少包含有自编码器；根据目标结果数据和目标动态阈值，确定目标井是否存在钻井风险。
9.一种钻井风险的确定装置，其特征在于，包括：获取模块，用于获取目标井当前的目标录井数据，以及当前时间段的录井数据组；第一确定模块，用于根据目标录井数据，确定出目标井的当前工况；第二确定模块，用于根据目标井的当前工况、当前时间段的录井数据组，以及预设的地质-工程钻前评估剖面，确定出目标井当前的目标动态阈值；处理模块，用于利用预设检测模型通过处理目标录井数据，得到相对应的目标重构误差；其中，预设检测模型为基于图自编码器通过无监督学习训练得到的模型；第三确定模块，用于根据目标重构误差和目标动态阈值，确定目标井是否存在钻井风险。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
