数据仓库和数据挖掘技术在防砂工艺中的研究与应用

论文摘要

数据仓库技术是信息领域中近年来出现并发展迅速的一种计算机技术，它可以对原始的操作数据进行各种处理，转换成有用信息，充分利用这些信息，分析并做出策略性的决策。数据挖掘技术是以数据库或数据仓库中存储的数据为基础，采用决策树、神经网络、关联规则、聚类等方法，从中提取有价值的知识、规律或高层信息的一种计算机技术。防砂工艺是油气田开发不可缺少的主要工艺之一，随着油井防砂工作的进行，产生了大量的历史数据、当前作业数据和各种文档资料。如何将这些大量的数据文档资料进行有效的存储管理，以及如何利用这些丰富的数据文档资料产生有价值的知识是油田防砂工艺发展中一个急需解决的问题。本文主要研究构建防砂工艺数据仓库平台，建立数据挖掘系统，挖掘其中蕴含的信息，形成有价值的防砂工艺知识。本文首先系统地介绍了数据仓库技术和数据挖掘技术的基本概念，然后进行防砂工艺数据仓库的设计和实现，在此基础之上，进行了基于防砂工艺数据仓库的数据挖掘的研究。在数据挖掘应用部分，提出采用基于神经网络的分类数据挖掘技术来解决出砂预测的问题和基于决策树的分类数据挖掘技术来解决防砂方法优选的问题。

论文目录

• 摘要
• Abstract
• 第1章 前言
• 1.1 研究背景
• 1.1.1 研究的背景
• 1.1.2 问题的提出
• 1.2 研究现状
• 1.2.1 数据仓库的研究现状
• 1.2.2 数据挖掘的研究现状
• 1.2.3 防砂工艺信息管理的研究现状
• 1.3 研究目的及意义
• 1.3.1 研究目的
• 1.3.2 研究意义
• 1.4 研究内容
• 第2章 数据仓库与数据挖掘技术概述
• 2.1 数据仓库概述
• 2.1.1 从数据库到数据仓库
• 2.1.2 数据仓库的定义
• 2.1.3 数据仓库的基本特征
• 2.1.4 数据仓库的体系结构
• 2.1.5 数据仓库的相关概念
• 2.2 数据挖掘概述
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘的过程
• 2.2.3 数据挖掘的功能
• 2.2.4 数据挖掘的算法
• 2.2.5 数据挖掘的体系结构
• 2.3 数据仓库和数据挖掘的关系
• 第3章 防砂工艺数据仓库设计
• 3.1 设计模型的分析与选择
• 3.1.1 自顶向下模式
• 3.1.2 自底向上模式
• 3.1.3 平行开发模式
• 3.2 概念模型设计
• 3.2.1 系统边界的界定
• 3.2.2 主题域的确定
• 3.3 逻辑模型设计
• 3.3.1 确定当前要装载的主题
• 3.3.2 数据仓库逻辑模型建模
• 3.3.3 数据仓库的粒度划分
• 3.3.4 数据仓库的数据分割
• 3.3.5 关系模式和记录系统
• 3.4 物理模型设计
• 第4章 防砂工艺数据仓库的实现
• 4.1 防砂工艺数据仓库主题的确定
• 4.2 实现维度的定义
• 4.3 防砂工艺数据仓库的星型模型
• 4.4 防砂工艺数据仓库的建立
• 4.5 防砂工艺数据仓库的装载
• 4.5.1 数据的有效性检查
• 4.5.2 数据转换
• 4.5.3 数据加载
• 第5章 防砂工艺数据挖掘系统的研究
• 5.1 系统简介
• 5.2 系统的主要研究内容及特征
• 5.2.1 用户组管理
• 5.2.2 数据仓库接口
• 5.2.3 数据挖掘算法管理
• 5.2.4 用户界面
• 5.3 系统的技术架构
• 5.4 系统的功能模块
• 5.4.1 用户接口模块
• 5.4.2 问题定义模块
• 5.4.3 模式选择模块
• 5.4.4 数据挖掘模块
• 5.4.5 知识评价模块
• 第6章 数据挖掘技术在出砂预测中的应用
• 6.1 油井出砂预测的重要性
• 6.1.1 油井出砂的危害
• 6.1.2 油井出砂预测的重要性
• 6.2 基于数据挖掘技术的油井出砂预测
• 6.3 选择知识模式
• 6.4 基于神经网络的分类数据挖掘算法
• 6.4.1 误差反向传播计算
• 6.4.2 BP神经网络学习过程
• 6.4.3 BP算法的改进
• 6.5 油井出砂预测模型的建立
• 6.5.1 预测的样本数据
• 6.5.2 BP网络结构设计
• 6.5.3 网络的生成
• 6.5.4 模型的验证
• 6.5.5 结论
• 第7章 数据挖掘技术在防砂方法优选中的应用
• 7.1 问题定义
• 7.2 选择知识模式
• 7.3 确定样本数据属性
• 7.3.1 影响油井防砂方法优选的因素
• 7.3.2 选择判别参数
• 7.4 基于决策树的分类数据挖掘算法
• 7.4.1 决策树的生成
• 7.4.2 决策树的修剪
• 7.4.3 ID3算法
• 7.4.4 C4.5算法
• 7.5 油井防砂方法优选模型的建立
• 7.5.1 选取样本数据
• 7.5.2 连续数据的离散化
• 7.5.3 决策树生成
• 7.5.4 知识规则提取
• 7.5.5 结论
• 第8章 结论与建议
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果