1.基于机器学习的智能钻井实时井眼轨迹测量方法，其特征在于：包括以下步骤：步骤1、建立智能动态数据库；

将实时钻井数据及模拟钻井数据录入智能动态数据库；

步骤2、轨迹参数采集和处理；

对当前时刻地层参数和井眼轨迹信息进行采集和测量，通过计算得到实时井眼轨迹参数，将智能动态数据库中的信息与井下钻具实时测量的井眼轨迹姿态参数进行对比分析，评价井下钻具的实时状态；

所述时井眼轨迹参数包括井斜角、方位角和工具面角数据，所述井斜角、方位角和工具面角的计算公式如下：式(1)中，g表示当地重力加速度，Gx，Gy与Gz分别为载体沿仪器坐标系X，Y与Z轴重力加速度的分量，I表示井斜角和T表示工具面角；

方位角A计算公式如下所示：

式(2)中，Bz为载体沿仪器坐标系Z轴地磁场分量；BN，BW与BS的表达式如下：其中，α为磁偏角，即地磁北极与地理北极之间的夹角；D为磁倾角，即地球表面上任意一点总地磁场强度矢量与水平面之间的夹角，B表示地磁场的磁感应强度；

步骤3、机器学习；

采用决策树算法对步骤2中得到的实时数据进行机器训练，对本井已钻作业井段的样本进行学习，优化智能动态数据库，同步完成机器学习；

步骤4、轨迹校正；

将智能动态数据库中的实时井眼轨迹数据与目标轨迹数据进行比对和分析，一旦实时井眼轨迹数据不满足目标轨迹数据，对井眼轨迹实时校正，通过分析和判断当前状态，产生控制指令，直接在井下实现闭环控制；

步骤5、导向控制；

根据校正后的指令对井下钻具的导向测控系统进行控制，调整井下钻具的导向方向和导向能力，从而控制井下钻具的运动方向，完成后继续重复所述步骤1‑5，实现实时测量。

2.根据权利要求1所述的基于机器学习的智能钻井实时井眼轨迹测量方法，其特征在于：所述步骤2中井下钻具实时测量的井眼轨迹姿态参数采用自适应卡尔曼滤波降噪后，将更新后的井眼轨迹姿态参数再存储于智能动态数据库中。

3.应用权利要求1‑2任一项所述的基于机器学习的智能钻井实时井眼轨迹测量方法的系统，其特征在于：包括井下钻具(4)，所述井下钻具(4)内部分别连接有检测传感器模块(1)、采集处理模块(2)和智能控制模块(3)；

所述检测传感器模块(1)包括三轴加速度计(101)、三轴磁通门(102)和高速陀螺仪(103)，所述三轴加速度计(101)、三轴磁通门(102)和高速陀螺仪(103)按照三轴正交方式安装于井下钻具内部；

所述采集处理模块(2)包括调制解调电路、AD模数转换、Flash多媒体软件平台和SDRAM同步动态随机存取内存，所述调制解调电路、AD模数转换、Flash多媒体软件平台和SDRAM同步动态随机存取内存均分别电连接于井下钻具的电路总成单元；

所述智能控制模块(3)包括中央处理器和智能动态数据库，所述中央处理器安装于井下钻具的电路总成单元，所述智能动态数据库嵌套于智能控制模块内部。

4.根据权利要求3所述的基于机器学习的智能钻井实时井眼轨迹测量方法的系统，其特征在于：所述检测传感器模块(1)和电路总承单元均设置于井下钻具(4)内部且所述检测传感器模块(1)电性连接于电路总成单元。