一种钻井溢漏风险的预警方法及装置

1.一种钻井溢漏风险的预警方法，其特征在于，所述方法包括：按照预置时间间隔，在每个单位时刻上采集录井数据，其中，任意相邻两个所述单位时刻之间的时间长度为一个所述预置时间间隔，每个所述单位时刻对应多个数据采集点；按照在时间上排序先后，通过对不同单位时刻上所采集到的所述录井数据进行整合处理，得到录井时序数据；通过对所述录井时序数据进行多尺度分解，提取出与溢流和井漏关联的目标特征，所述目标特征包括时域特征、频域特征和时频域特征；利用预先训练的风险预测模型对包含有所述目标特征的所述录井时序数据进行处理，输出风险预测结果，其中，所述风险预测模型为利用自注意力机制训练的机器学习模型，用于通过捕获所述录井时序数据中远程依赖关系对未来时刻上溢漏风险进行预测；根据所述风险预测结果，判断是否触发风险预警。 2.根据权利要求1所述的方法，其特征在于，所述通过对所述录井时序数据进行多尺度分解，提取出与溢流和井漏关联的目标特征，包括：对所述录井时序数据进行预处理，以消除不同量纲的差异，得到经预处理后的目标录井时序数据；对所述目标录井时序数据进行经验模态分解，得到多个本征模态函数，其中，每个所述本征模态函数代表不同频率成分，反映信号的多尺度特征，用于识别潜在的溢流和井漏信号；对所述录井时序数据中包含频率重叠特征的多模态信号，采用变分模态分解以分离出所述多模态信号的各个组成部分，得到多个子信号；采用小波变换对所述录井时序数据进行多尺度分解，以得到不同时间尺度下的频率变化特征；综合所述经验模态分解、所述变分模态分解和所述小波变换各自所获得分解结果进行融合，得到多维特征向量，所述多维特征向量包括时域特征、频域特征和时频域特征。 3.根据权利要求1所述的方法，其特征在于，所述利用预先训练的风险预测模型对包含有所述目标特征的所述录井时序数据进行处理，输出风险预测结果，包括：将包含有所述目标特征的所述录井时序数据，输入至预先训练的风险预测模型的编码器；利用所述编码器的输入嵌入层，将包含有所述目标特征的所述录井时序数据转换为高维向量表示；向经转换处理后的所述录井时序数据添加位置编码，以保留时序信息；根据所述时序信息，采用自注意力机制捕捉经转换处理后的所述录井时序数据中不同位置之间的依赖关系，提取全局特征；利用前馈神经网络对自主力机制输出的所述全局特征进行非线性变换，增强特征表达能力；利用分类器根据非线性变换后的全局特征预测钻井溢漏风险，输出风险等级或概率。 4.根据权利要求1所述的方法，其特征在于，若风险预测模型输出的风险预测结果为在多个未来单位时刻上风险等级的概率分布，所述根据所述风险预测结果，判断是否触发风险预警，包括：在多个未来单位时刻中，根据与当前时刻距离相邻的下一个未来单位时刻对应的风险等级的概率分布，确定是否触发风险预警；若根据与所述当前时刻距离相邻的下一个未来单位时刻对应的风险等级的概率分布而确定不触发风险预警，则按照与所述当前时刻的时间距离由近到远，从所述风险预测结果中多个未来单位时刻中获取预设数目的未来单位时刻对应的风险等级的概率分布；根据与所述当前时刻的时间距离由近到远，向所述预设数目的未来单位时刻分配不同的权重；根据所述权重和所述预设数目的未来单位时刻对应的风险等级的概率分布，重新整合处理得到风险等级对应的新概率分布；根据风险等级对应的新概率分布，判断是否触发风险预警。 5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：在每次触发风险预警时，获取溢漏事件对应的早期溢漏特征数据；根据所述早期溢漏特征数据，通过分析所述风险预测模型做出决策的准确率，得到对所述风险预测模型的分析结果；根据所述分析结果，在指定时间周期优化所述风险预测模型。 6.一种钻井溢漏风险的预警装置，其特征在于，所述装置包括：采集单元，用于按照预置时间间隔，在每个单位时刻上采集录井数据，其中，任意相邻两个所述单位时刻之间的时间长度为一个所述预置时间间隔，每个所述单位时刻对应多个数据采集点；第一处理单元，用于按照在时间上排序先后，通过对不同单位时刻上所采集到的所述录井数据进行整合处理，得到录井时序数据；第二处理单元，用于通过对所述录井时序数据进行多尺度分解，提取出与溢流和井漏关联的目标特征，所述目标特征包括时域特征、频域特征和时频域特征；第三处理单元，用于利用预先训练的风险预测模型对包含有所述目标特征的所述录井时序数据进行处理，输出风险预测结果，其中，所述风险预测模型为利用自注意力机制训练的机器学习模型，用于通过捕获所述录井时序数据中远程依赖关系对未来时刻上溢漏风险进行预测；第一执行单元，用于根据所述风险预测结果，判断是否触发风险预警。 7.根据权利要求6所述的装置，其特征在于，所述第二处理单元包括：预处理模块，用于对所述录井时序数据进行预处理，以消除不同量纲的差异，得到经预处理后的目标录井时序数据；第一分解模块，用于对所述目标录井时序数据进行经验模态分解，得到多个本征模态函数，其中，每个所述本征模态函数代表不同频率成分，反映信号的多尺度特征，用于识别潜在的溢流和井漏信号；第二分解模块，用于对所述录井时序数据中包含频率重叠特征的多模态信号，采用变分模态分解以分离出所述多模态信号的各个组成部分，得到多个子信号；第三分解模块，用于采用小波变换对所述录井时序数据进行多尺度分解，以得到不同时间尺度下的频率变化特征；获取模块，用于综合所述经验模态分解、所述变分模态分解和所述小波变换各自所获得分解结果进行融合，得到多维特征向量，所述多维特征向量包括时域特征、频域特征和时频域特征。 8.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-5中任一项所述钻井溢漏风险的预警方法的步骤。 9.一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，该计算机程序被处理器执行时实现权利要求1-5中任一项所述钻井溢漏风险的预警方法的步骤。 10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述钻井溢漏风险的预警方法的步骤。