使用在线贝叶斯线性回归的异常压力检测的制作方法

背景技术：

1、在钻井过程中，可以计算立管压力并建立模型。作为示例，一些工作流可以提供压力预测模型，其可以区分旋转模式和滑动模式，在旋转模式中，钻柱旋转，在滑动模式中，钻柱的远端部分或钻头旋转，而不旋转钻柱的其余部分。然后，压力预测工作流可以将数据分配给相应的子模型，并预测立管压力。如果压力异常(过高或过低)，可能会触发警报。这样的工作流也可以校准模型。

2、不同的模型以不平衡的方式被输入数据。在压力预测工作流中，无论是旋转模式还是滑动模式，都可以输入数据。因此，与主动钻井模式相关联的模型可以被更新，而另一个模型可以不被更新。这可能导致为一个模型提供更多的信息，并且比另一个模型更新更多的信息，这可能导致错误的警报。此外，校准可能不稳定且缓慢。作为示例，可能很难长时间或在钻井作业期间的不同点找到校准点。这导致现有工作流的功能障碍，因为很少或没有结果可以计算。第二，校准点为模型提供输入，但用于生成校准点的数据通常只占整个接收数据的一小部分(不到10％)。换句话说，至少90％的接收数据在没有被工作流利用的情况下被丢弃。

3、高斯过程可用于在数据的后处理中检测现有的异常压力工作流，以生成图示立管压力与流量、扭矩和钻压之间的关系的图表。然而，利用高斯过程引入了不可解释性，并且可能导致一些基本的物理属性被破坏。

4、用于压力预测的其他方法可以估计系数。作为示例，通过使用线性回归(或岭回归)、核回归或高斯过程，可以消耗数据，可以拟合模型(对于线性回归或岭回归)，并且可以获得预测值。但是，线性回归(或岭回归)和核回归可能不会产生带有不确定值的估计值。此外，使用核回归或高斯过程不能提供明确的模型。因此，可能很难从物理上解释这些结果。此外，这些方法可能会提供违反物理定律的结果。

技术实现思路

1、本公开的实施例可以提供一种用于预测立管压力的方法。贝叶斯线性回归器被初始化。贝叶斯线性回归器的先验是基于使用相同井底组件的先前钻井操作来初始化的。实时接收与钻井相关的测量数据。使用模型的qr(其中q是具有标准正交列的矩阵，r是上三角矩阵)分解来生成在线贝叶斯线性回归器更新。确定在线贝叶斯攻击者更新的系数是否违反物理规则。响应于确定至少一些系数违反物理规则，至少一些系数被设置为各自的默认值，该默认值为零或正值。基于在线贝叶斯线性回归器更新或至少一些系数的设置来更新系数和不确定性。然后模型被可视化。

2、在一实施例中，该方法可以包括将无限脉冲响应滤波器应用于接收的测量数据，以对接收的测量数据进行去噪。

3、在该方法的一实施例中，接收的测量数据包括立管压力、流量、钻头深度、表面钻压和扭矩。

4、在该方法的一实施例中，qr分解从定位不当的矩阵中提取一列，以形成定位良好的子矩阵，该子矩阵用于求解具有数值稳定性的矩阵反演方程。

5、在该方法的一实施例中，当相应系数的相应值落入相应的有效值范围内时，至少一些系数的相应系数符合物理规则。

6、本公开的实施例还可以提供至少一个用于预测立管压力的处理设备。至少一个处理设备中的每个包括至少一个处理器和与至少一个处理器连接的存储器。该存储器包括用于该至少一个处理器执行多个操作的指令。根据这些操作，为模型初始化系数值。用初始化的系数创建模型作为登记模型。直到列出的模型的数量是预设数量，执行:在下一时间间隔期间接收测量数据；基于接收的元数据更新所有候选模型；基于所接收的测量数据创建候选模型；当候选模型的至少一个系数违反物理规则时，丢弃该候选模型；以及当所述候选模型的所有系数都符合所述物理规则并且当前登记模型的数量小于预设数量时，将所述候选模型作为登记模型。通过将相应的权重应用于每个相应登记模型的预测立管压力以产生相应的加权预测立管压力，基于登记模型预测立管压力，其中相应的权重基于相应时间间隔内相应登记模型的方差或标准偏差的倒数。将各自的加权预测立管压力相加，得出加权压力之和。加权压力的总和除以权重的总和，以产生基于预设数量的登记模型的预测立管压力。

7、在所述至少一个处理设备的实施例中，基于所接收的测量数据创建候选模型还包括仅当自从创建最后一个模型以来已经过去了至少预设时间段时才创建候选模型。

8、在至少一个处理设备的实施例中，基于接收的测量数据创建候选模型还包括创建具有默认系数的候选模型。

9、在所述至少一个处理设备的实施例中，其中基于所接收的测量数据创建候选模型还包括创建具有默认系数的候选模型，所述默认系数具有零值。

10、在所述至少一个处理设备的实施例中，其中基于所接收的测量数据创建候选模型还包括创建具有默认系数的候选模型，所述默认系数具有的值等于最后学习的候选模型或一个或多个登记模型中的登记模型的系数值。

11、在至少一个处理设备的实施例中，当候选模型优于一个或多个登记模型中的登记模型，并且登记模型的当前数量等于预设数量时，将候选模型制作成替换一个或多个登记模型中的登记模型的新登记模型。

12、本公开的实施例可以提供一种用于预测立管压力的处理设备，该处理设备包括至少一个处理器和与该至少一个处理器连接的存储器。存储器包括用于至少一个处理器执行操作的指令。根据这些操作，初始化贝叶斯线性回归器。贝叶斯线性回归器的先验是基于使用相同井底组件的先前钻井操作来初始化的。实时接收与钻井相关的测量数据。使用qr分解为模型生成在线贝叶斯线性回归器更新。确定在线贝叶斯回归器更新的系数是否违反物理规则。响应于确定至少一些系数违反物理规则，至少一些系数被设置为各自的默认值，该默认值为零或正值。基于在线贝叶斯线性回归器更新或至少一些系数的设置来更新系数和不确定性。然后模型被可视化。

13、在所述至少一个处理设备的实施例中，所述操作还包括将无限冲激响应滤波器应用于接收的测量数据，以成为噪声接收的测量数据。

14、在处理设备的一实施例中，接收的测量数据包括立管压力、流量、钻头深度、表面钻压和扭矩。

15、在处理设备的实施例中，qr分解从定位不良的矩阵中提取列以形成良好定位的子矩阵，该子矩阵用于求解具有数值稳定性的矩阵求逆方程。

16、在处理建议的实施例中，当相应系数的相应值落入相应的有效值范围内时，至少一些系数的相应系数符合物理规则。

17、本公开的实施例可以提供一种用于预测立管压力的方法。根据该方法，处理设备初始化模型的系数值。处理设备创建具有初始化系数的模型作为候选模型。在对数据进行一段时间的拟合之后，候选模型被提升为登记模型。直到登记的模型的数量为预设数量，执行:在下一时间间隔期间接收测量数据；基于所接收的测量数据创建候选模型；当候选模型的至少一个系数违反物理规则时，丢弃该候选模型；以及当所述候选模型的所有系数都符合所述物理规则并且当前登记模型的数量小于预设数量时，将所述候选模型作为登记模型。通过将相应的权重应用于每个相应登记模型的预测立管压力以产生相应的加权预测立管压力，基于登记模型预测立管压力，相应的权重基于相应时间间隔内相应登记模型的方差的倒数或标准偏差的倒数。将相应的加权预测立管压力相加，以产生基于预设数量的登记模型的加权预测立管压力的总和。加权预测立管压力的总和除以权重的总和，以产生基于预设数量的登记模型的预测立管压力。

18、在该方法的一实施例中，基于接收的测量数据创建候选模型还包括仅当从创建最后一个模型起已经过去了至少预设时间段时才创建候选模型。

19、在该方法的一实施例中，其中仅当自从创建最后一个模型以来已经过去了至少一个预设时间段时，才创建候选模型，该候选模型是用默认系数创建的。

20、在该方法的一实施例中，其中仅当自从创建最后一个模型以来已经过去了至少一个预设时间段时才创建候选模型，默认系数具有等于零的值或者具有等于最后一个学习的候选模型或者一个或多个登记模型中的登记模型的系数值的值。

21、在该方法的一实施例中，当候选模型优于一个或多个登记模型中的登记模型，并且登记模型的当前数量等于预设数量时，使候选模型成为替换一个或多个登记模型中的登记模型的新登记模型。

22、本公开的实施例可以提供其上存储有指令的非暂时性机器可读存储介质，当由处理设备的处理器执行时，所述指令将处理设备配置为执行多个操作。根据这些操作，初始化贝叶斯线性回归器。贝叶斯线性回归器的先验是基于使用相同井底组件的先前钻井操作来初始化的。接收与实时钻井相关的测量数据。使用qr分解为模型生成在线贝叶斯线性回归器更新。确定在线贝叶斯回归器更新的系数是否违反物理规则。响应于确定至少一些系数违反物理规则，至少一些系数被设置为各自的默认值，该默认值为零或正值。基于在线贝叶斯线性回归器更新或至少一些系数的设置来更新系数和不确定性。然后该模型被可视化。