【摘要】随着电子计算机和信息技术的进步，大量来自井场多传感器采集的实时综合录井数据被获取、传输和保存到数据库。井场传输的录井参数通常包括钻头深度、井深、大钩位置、钻压、大钩载荷、转盘扭矩、转速、立压、泥浆池体积、进出口泥浆密度、温度、电阻率等，这些综合录井数据不仅能够反映地层的宝贵信息，还能反映钻机的工作状态。近年来，实时钻井数据的潜在价值引起越来越多油企及钻井承包商重视。国内外许多石油公司和科研工作者开发了基于 WITS 和 WITSNML 传输标准的井场信息传输软件，实现了井场服务公司和油田公司之间信息的实时无缝连接，打通了分享现场数据的关键一步。本项目采用大数据、人工智能等前沿技术，通过现场传输的实时综合录井数据，根据业务专家规则，应用深度学习中长短期记录神经网络建立了钻井工况智能识别模型，并结合国外油公司钻井实时KPI 的分类标准，研发了钻井作业实时 KPI 自动分析系统，将实时 KPI 统计划分为两大分析模块，并构建了 95 个指标项。通过 95 个指标项开发了单井 / 多井总、开次、趟钻、立柱 ( 单根）实时 KPI 对比。