基于双向长短期记忆循环神经网络和条件随机场的钻井工况识别方法

传统钻井作业中，钻井工况主要通过基于机理模型与人工判断的方法进行识别，无法保证钻井工况识别的实时性与精准度。为此，采用近年来热门的人工智能算法，将井深与钻头位置的差、钻头位置、井深、大钩高度、大钩载荷、转速、钻压、扭矩、排量共9项钻井参数作为输入特征项，训练调优并建立了基于双向长短期记忆循环神经网络和条件随机场的钻井工况智能识别模型，对复合钻进、滑动钻进、上提开泵划眼、下放开泵划眼、静止、坐卡、原地循环等共计20种钻机动态进行实时智能识别，训练集、测试集的正确率分别为96.49%、97.23%。该模型的成功建立，验证了人工智能算法的优越性，为人工智能算法在钻井工程领域的后续应用提供了丰富经验。