一种基于Pi-CLFormer的卡钻风险预测模型

本发明涉及一种基于Pi‑CLFormer的卡钻风险预测模型，属于石油工程钻井安全监控领域，旨在解决传统卡钻预测模型精度不足，计算效率低以及数据依赖严重等问题。通过物理信息神经网络将物理特征嵌入CNN‑Transformer的混合架构，通过局部注意力机制降低计算复杂度，随后结合自适应门控机制，实现了高精度卡钻风险实时预测。本发明弥补了标准Transformer计算复杂度高难以用于实时检测以及深层网络中物理信息会被稀释等问题，显著提升了卡钻预测准确率与时效性，可广泛应用于石油钻井安全监控领域。