论文摘要
油气勘探是高风险、高投入的技术密集型产业。其主要技术是地震、测井、钻井、取芯、试油、化验分析等,在勘探的每一个环节都采集了大量宝贵的数据。对海量勘探数据的整理分析、结合传统经验和认知,再钻探证实这些分析和认识是寻找油气储量的主要过程。随着勘探进程的不断发展,勘探工作者对不同的勘探目标积累了诸多的勘探经验和认识,有些经验和认识上升成为了理论,而更多的些经验则仅装在勘探工作者的脑子里,或者记录在档案里。所以有石油在勘探家的脑子里的说法。随着技术的不断进步,勘探数据呈海量递增的趋势,先进技术含量越高数据量就越多,与以往勘探经验和认识结合的愈加密切,则勘探效果也就会越好。仅凭勘探工作者记忆的经验,和翻阅海量的报告进行比对的做法已经无法满足快节奏高精度高效率勘探工作的需要。为此,需要研究勘探数据的挖掘技术,勘探经验及知识的管理应用技术,建立专家决策支持系统,支持多学科多专业协同,提高决策的信息丰度,提高生产措施的有效性,降低勘探决策风险,规避投资风险,大幅提高勘探工作的水平。本文将以随钻过程的数据挖掘技术为研究重点,探讨建立随钻分析系统。为了充分有效的开发和利用信息资源,推动勘探技术的进步,国际石油公司都在积极利用信息技术建立勘探开发知识库,开发基于知识库的专家决策支持系统,为企业科学管理和决策提供依据。其主要方法是通过模型库、方法库的建立,对现有数据和知识进行高层次利用。国内的大型油田企业也开始了数据挖掘技术的初步研究,比如大庆油田雇佣兰德马克为其设计了数据管理应用系统,胜利油田建立了勘探数据管理和查询系统,勘探井位部署决策支持系统等信息应用系统,有的公司还建立了初步的知识管理系统。然而对随钻数据的挖掘和经验及知识的系统管理研究尚未见到公开报道。本论文重点探讨了运用人工智能技术进行油气勘探业务决策支持的关键技术。人工智能是计算机科学的一个分支,是研究如何使机器具有智能的科学与技术,特别是指用计算机模拟或实现人类智能,其具体实现技术包括数据挖掘、神经网络等。专家系统是知识处理系统,知识表示、知识利用和知识获取是人工智能系统的三个基本问题。专家系统是目前人工智能应用最为成熟的一个领域,其核心是知识,所以专家系统又常称为基于知识的系统。本论文研究目标是针对油气勘探随钻分析决策工作,应用数据挖掘技术进行决策支持的专家系统。首先对随钻分析业务中的“探井加深与侧钻决策”这一业务领域进行了分析,明确了影响决策的各类要素及其相互关系;其次,探索通过聚类算法实现典型案例的选择;对业务理论、经验和知识的保存与有效利用方法进行了深入研究,主要目的是,一方面可以继承长期业务决策过程中传统正确经验、教训;通过知识库的建立,对其进行有效保存和归纳总结。另一方面,可以通过模型库、方法库的建立,对现有数据和知识进行高层次利用。在此基础上,进一步通过数据挖掘技术剖析现有案例,发现影响决策的知识和逻辑,逐步建立用于自动分析的知识库。随着知识库的扩充,当面对新的决策案例时,可以实现应用知识库和推理机来对可能的决策结果进行推理和预测,从而对专家的决策提供建议和验证。通过本文的研究,探索提出了新的勘探随钻决策支持模式,初步应用表明了随钻分析系统应用的可行性,为进行勘探全过程的数据挖掘、经验和知识管理研究,以及今后进行计算机模拟专家进行自动决策等奠定了良好的基础。