本发明涉及石油钻井数据处理领域，具体涉及一种基于时序特征的决策树钻井工况识别方法及装置。
背景技术：
1、钻井是石油和天然气勘探开发的重要手段。石油钻井操作需要一系列复杂的技术，同时随着钻井深度的增加，地质变化会更为复杂，随时都有可能出现突发事件，严重影响了工人的安全和钻井的效率。因此，对钻井过程中产生的实时数据进行分析可以对即将到来的危险提前采取措施，为快速安全地钻井提供保障，进一步降低钻井成本、提高效率。
2、随着人工智能技术的发展，钻井工况识别方法朝着智能化的方向发展，现有智能化钻井工况识别方法主要有灰色关联分析、贝叶斯判别(bayes)、支持向量机(svm)、人工神经网络(ann)、决策树等，这些方法主要用于检验异常工况。相较于深度学习模型这一类需要大量标签样本、训练时间较长、运行速度较慢的模型，决策树具有易于理解和解释、容易提取规则，运行速度较快的优点，其较快的运行速度非常适用于钻井工程这种监测数据量非常庞大的工程。现有技术在构建钻井工程相关的决策树模型时，虽然对原始钻井数据进行降维(选取其中部分参数进行分析识别)，但是在分析过程中通常忽略了样本数据集的时序性，但是在钻井过程中，钻井数据、钻井工况是动态变化的，因此如果忽略数据的时序性特征直接采用决策树模型对原始数据样本进行挖掘，会影响最终工况识别结果的准确性。
3、例如：申请号为2021102050556的中国专利，公开了一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，其通过选择钻井参数进行钻井漏失分析，但其也并不涉及到对钻井数据的时序特征进行分析。
技术实现思路
1、本发明的目的在于克服现有技术中所存在的构建钻井工程相关的决策树模型时，通常忽略了样本数据集的时序性，会影响最终工况识别结果的准确性的缺陷，提供一种基于时序特征的决策树钻井工况识别方法及装置，通过基于时序特征的决策树算法实现工况数据实时准确判断，具有高效、准确的优点。
2、为了实现上述发明目的，本发明提供了以下技术方案：
3、一种基于时序特征的决策树钻井工况识别方法，包括：
4、基于特征参数对应的历史钻井数据构建第一样本数据集；
5、计算所述特征参数与所述钻井工况的时序映射关系；基于所述时序映射关系计算所述第一样本数据集中每个样本数据的时序特征，基于所述时序特征将所述第一样本数据集转换为第二样本数据集；
6、采用决策树算法对所述第二样本数据集进行数据挖掘，得到钻井工况识别决策树。
7、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述基于所述特征参数对应的历史钻井数据建立第一样本数据集，包括：
8、获取原始历史钻井数据，对所述原始历史钻井数据进行数据清洗，过滤原始历史钻井数据中除所述特征参数外的无效参数，基于过滤后的历史钻井数据建立所述第一样本数据集。
9、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述计算所述特征参数与所述钻井工况的时序映射关系，包括：
10、选取至少两个时间周期，分别绘制所述特征参数与所述钻井工况在不同时间周期下的多个时序变化图；
11、基于多个所述时序变化图得到所述特征参数与所述钻井工况的时序映射关系。
12、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述特征参数包括：标准井深、钻头位置、大钩负荷、顶驱转速、立压、泵冲；
13、所述钻井工况，包括：起钻、下钻、钻进、滑动钻进、接钻具、划眼、循环。
14、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述时序特征包括：与前一个样本数据标准井深的差值、与间隔第一预设时间的样本数据的大钩负荷参数的差值、当前标准井深与钻头位置的差值、与间隔第二预设时间的样本数据的钻头位置参数的差值。
15、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述基于所述时序特征将所述第一样本数据集转换为第二样本数据集，包括：
16、将所述时序特征增加至所述第一样本数据集每个样本数据中，并删除每个所述样本数据中的标准井深、大钩负荷与钻头位置特征参数。
17、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述第一预设时间为3min，第二预设时间为8min。
18、根据一种具体的实施方式，上述基于时序特征的决策树钻井工况识别方法中，所述决策树算法为id3算法。
19、本发明的另一方面，提供一种基于时序特征的决策树钻井工况识别装置，包括处理器、网络接口和存储器，所述处理器、所述网络接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述基于时序特征的决策树钻井工况识别方法。
20、与现有技术相比，本发明的有益效果：。
21、本发明实施例所提供的方法通过特征参数对应的历史钻井数据建立第一样本数据集；同时，计算所述特征参数与所述钻井工况的时序映射关系；基于所述时序映射关系确定样本的时序特征，从而将第一样本数据集转换为第二样本数据集；采用决策树算法对具有时序特征的第二样本数据集进行数据挖掘，即可得到能够用于识别钻井工况的钻井工况识别决策树；本方法在基于特征参数实现数据降维的基础上，通过计算特征参数与工况的时序变化趋势，从而利用包括时序特征的样本数据挖掘得到工况识别决策树，该决策树算法具有高效、准确的优点。
1.一种基于时序特征的决策树钻井工况识别方法，其特征在于，包括：
2.根据权利要求1所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述基于所述特征参数对应的历史钻井数据建立第一样本数据集，包括：
3.根据权利要求1所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述计算所述特征参数与所述钻井工况的时序映射关系，包括：
4.根据权利要求1-3任一所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述特征参数包括：标准井深、钻头位置、大钩负荷、顶驱转速、立压、泵冲；
5.根据权利要求4所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述时序特征包括：与前一个样本数据标准井深的差值、与间隔第一预设时间的样本数据的大钩负荷参数的差值、当前标准井深与钻头位置的差值、与间隔第二预设时间的样本数据的钻头位置参数的差值。
6.根据权利要求4所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述基于所述时序特征将所述第一样本数据集转换为第二样本数据集，包括：
7.根据权利要求6所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述第一预设时间为3min，第二预设时间为8min。
8.根据权利要求1-3任一所述的基于时序特征的决策树钻井工况识别方法，其特征在于，所述决策树算法为id3算法。
9.一种基于时序特征的决策树钻井工况识别装置，其特征在于，包括处理器、网络接口和存储器，所述处理器、所述网络接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-8任一项所述的基于时序特征的决策树钻井工况识别方法。
