基于數(shù)據(jù)挖掘的勘探隨鉆分析系統(tǒng).pdf

1、油氣勘探是高風(fēng)險(xiǎn)、高投入的技術(shù)密集型產(chǎn)業(yè)。其主要技術(shù)是地震、測(cè)井、鉆井、取芯、試油、化驗(yàn)分析等，在勘探的每一個(gè)環(huán)節(jié)都采集了大量寶貴的數(shù)據(jù)。對(duì)海量勘探數(shù)據(jù)的整理分析、結(jié)合傳統(tǒng)經(jīng)驗(yàn)和認(rèn)知，再鉆探證實(shí)這些分析和認(rèn)識(shí)是尋找油氣儲(chǔ)量的主要過(guò)程。隨著勘探進(jìn)程的不斷發(fā)展，勘探工作者對(duì)不同的勘探目標(biāo)積累了諸多的勘探經(jīng)驗(yàn)和認(rèn)識(shí)，有些經(jīng)驗(yàn)和認(rèn)識(shí)上升成為了理論，而更多的些經(jīng)驗(yàn)則僅裝在勘探工作者的腦子里，或者記錄在檔案里。所以有石油在勘探家的腦子里的說(shuō)法。隨著

2、技術(shù)的不斷進(jìn)步，勘探數(shù)據(jù)呈海量遞增的趨勢(shì)，先進(jìn)技術(shù)含量越高數(shù)據(jù)量就越多，與以往勘探經(jīng)驗(yàn)和認(rèn)識(shí)結(jié)合的愈加密切，則勘探效果也就會(huì)越好。僅憑勘探工作者記憶的經(jīng)驗(yàn)，和翻閱海量的報(bào)告進(jìn)行比對(duì)的做法已經(jīng)無(wú)法滿足快節(jié)奏高精度高效率勘探工作的需要。為此，需要研究勘探數(shù)據(jù)的挖掘技術(shù)，勘探經(jīng)驗(yàn)及知識(shí)的管理應(yīng)用技術(shù)，建立專家決策支持系統(tǒng)，支持多學(xué)科多專業(yè)協(xié)同，提高決策的信息豐度，提高生產(chǎn)措施的有效性，降低勘探?jīng)Q策風(fēng)險(xiǎn)，規(guī)避投資風(fēng)險(xiǎn)，大幅提高勘探工作的水平。本

3、文將以隨鉆過(guò)程的數(shù)據(jù)挖掘技術(shù)為研究重點(diǎn)，探討建立隨鉆分析系統(tǒng)。
　　 為了充分有效的開發(fā)和利用信息資源，推動(dòng)勘探技術(shù)的進(jìn)步，國(guó)際石油公司都在積極利用信息技術(shù)建立勘探開發(fā)知識(shí)庫(kù)，開發(fā)基于知識(shí)庫(kù)的專家決策支持系統(tǒng)，為企業(yè)科學(xué)管理和決策提供依據(jù)。其主要方法是通過(guò)模型庫(kù)、方法庫(kù)的建立，對(duì)現(xiàn)有數(shù)據(jù)和知識(shí)進(jìn)行高層次利用。國(guó)內(nèi)的大型油田企業(yè)也開始了數(shù)據(jù)挖掘技術(shù)的初步研究，比如大慶油田雇傭蘭德馬克為其設(shè)計(jì)了數(shù)據(jù)管理應(yīng)用系統(tǒng)，勝利油田建立了勘探數(shù)

4、據(jù)管理和查詢系統(tǒng)，勘探井位部署決策支持系統(tǒng)等信息應(yīng)用系統(tǒng)，有的公司還建立了初步的知識(shí)管理系統(tǒng)。然而對(duì)隨鉆數(shù)據(jù)的挖掘和經(jīng)驗(yàn)及知識(shí)的系統(tǒng)管理研究尚未見到公開報(bào)道。
　　 本論文重點(diǎn)探討了運(yùn)用人工智能技術(shù)進(jìn)行油氣勘探業(yè)務(wù)決策支持的關(guān)鍵技術(shù)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，是研究如何使機(jī)器具有智能的科學(xué)與技術(shù)，特別是指用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類智能，其具體實(shí)現(xiàn)技術(shù)包括數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)等。專家系統(tǒng)是知識(shí)處理系統(tǒng)，知識(shí)表示、知識(shí)利用和知識(shí)獲取

5、是人工智能系統(tǒng)的三個(gè)基本問(wèn)題。專家系統(tǒng)是目前人工智能應(yīng)用最為成熟的一個(gè)領(lǐng)域，其核心是知識(shí)，所以專家系統(tǒng)又常稱為基于知識(shí)的系統(tǒng)。
　　 本論文研究目標(biāo)是針對(duì)油氣勘探隨鉆分析決策工作，應(yīng)用數(shù)據(jù)挖掘技術(shù)進(jìn)行決策支持的專家系統(tǒng)。首先對(duì)隨鉆分析業(yè)務(wù)中的“探井加深與側(cè)鉆決策”這一業(yè)務(wù)領(lǐng)域進(jìn)行了分析，明確了影響決策的各類要素及其相互關(guān)系；其次，探索通過(guò)聚類算法實(shí)現(xiàn)典型案例的選擇；對(duì)業(yè)務(wù)理論、經(jīng)驗(yàn)和知識(shí)的保存與有效利用方法進(jìn)行了深入研究，主要目

6、的是，一方面可以繼承長(zhǎng)期業(yè)務(wù)決策過(guò)程中傳統(tǒng)正確經(jīng)驗(yàn)、教訓(xùn)；通過(guò)知識(shí)庫(kù)的建立，對(duì)其進(jìn)行有效保存和歸納總結(jié)。另一方面，可以通過(guò)模型庫(kù)、方法庫(kù)的建立，對(duì)現(xiàn)有數(shù)據(jù)和知識(shí)進(jìn)行高層次利用。在此基礎(chǔ)上，進(jìn)一步通過(guò)數(shù)據(jù)挖掘技術(shù)剖析現(xiàn)有案例，發(fā)現(xiàn)影響決策的知識(shí)和邏輯，逐步建立用于自動(dòng)分析的知識(shí)庫(kù)。隨著知識(shí)庫(kù)的擴(kuò)充，當(dāng)面對(duì)新的決策案例時(shí)，可以實(shí)現(xiàn)應(yīng)用知識(shí)庫(kù)和推理機(jī)來(lái)對(duì)可能的決策結(jié)果進(jìn)行推理和預(yù)測(cè)，從而對(duì)專家的決策提供建議和驗(yàn)證。
　　 通過(guò)本文的研