本发明公开了一种结合注意力机制的BiGRU网络钻井工况识别方法，该方法使用了大量的钻井期间产生的实际数据作为基础，进行了一系列数据增强方法，在最大程度上扩充了样本数量少的问题。并且为减弱机器学习期间的黑箱效应，设计了一种结合实际数据的半经验公式指导的决策树识别模型来协助人工标注数据。针对时序性的钻井信息，使用了能提取序列特征的双向门控制单元网络辅以注意力机制进行模型的训练，并进行了严密的参数调整。最后使用了未参与训练的单独一口井的数据，在未做迁移学习和预训练的前提下进行模型的泛化能力测试；通过对比实验证明该方法在钻井工况时序预测中保证较高准确率条件下的可行性和泛用性，具有实际应用价值。