数据挖掘技术在油井压裂施工决策中的应用

论文摘要

随着信息化程度的快速提高,商业智能受到各个行业的普遍关注,并成为提高工作效率和增强企业竞争力的最有力的武器,而数据挖掘技术正是商业智能的核心内容。如今,各种不可再生矿产用之待尽,决策者如何利用能源采集业中大量的原始数据中隐藏的信息,制定合理的决策提高开采效果,从而充分地利用有限的资源和较贫瘠的矿产具有重要意义。本文为了有效的发掘施工数据隐藏的信息,解决目前广泛应用的数据库管理系统和ERP系统等工具由于在数据分析上的局限性,无法为决策者决策提供强有力的支持的困境,将数据挖掘技术应用到这个领域。在实现中,使用SQL Server 2005提供的商务智能工具,以华北某油田油井压裂施工数据为依据,根据能源采集工程的特点和为决策者提供支持的需求构建数据仓库、整合数据、搭建多维数据集、进行联机分析处理和建立数据挖掘模型。使用专业的前端展现工具直观、准确、及时地展现信息;调整并选择较优的挖掘模型进行预测,通过IS工具与数据库代理功能对挖掘模型集成应用,实现模型的自动处理并将预测结果以二维表的形式提供给决策者,使决策者更方便的使用挖掘信息。课题最终实现了找到关键参数并分析各关键参数之间的关联和分布情况,在现有的油井中找出具有潜力的油井以便进行二次开发,施工时通过调节关键参数来提高产量,预测施工后产量等功能。这使得决策者制定施工方案时有了针对性,并对自己的决策结果有了预见性的认识,大大提高了能源采集业施工的效率和效果,同时也为施工决策团队更好的协作提供了方便。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 数据挖掘研究状况
• 1.2.1 数据挖掘的起源
• 1.2.2 数据挖掘的现状
• 1.2.3 数据挖掘的发展趋势
• 1.3 数据挖掘在油井压裂施工决策中使用的状况
• 1.4 本文的组织结构
• 1.5 本章小结
• 第二章 数据挖掘技术综述
• 2.1 数据挖掘
• 2.1.1 数据挖掘的概念
• 2.1.2 数据挖掘的功能
• 2.1.3 数据挖掘的工具
• 2.1.4 数据挖掘的算法介绍
• 2.2 数据仓库
• 2.2.1 数据仓库的概念
• 2.2.2 数据仓库的几个重要概念
• 2.2.3 数据仓库的架构
• 2.2.4 决策支持基于数据仓库的原因
• 2.2.5 数据仓库与数据挖掘的关系
• 2.3 ETL
• 2.3.1 数据抽取
• 2.3.2 数据清洗
• 2.3.3 数据转换
• 2.3.4 数据加载
• 2.3.5 ETL 处理方式
• 2.40 LAP
• 2.4.1 OLAP 的特点
• 2.4.2 OLAP 的分类
• 2.4.3 OLAP 分析系统特性
• 2.4.4 OLAP 与数据挖掘的关系
• 2.5 本章小结
• 第三章 油井压裂数据挖掘需求分析
• 3.1 油井压裂原理
• 3.2 油井压裂数据特点
• 3.3 油井压裂数据挖掘的必要性
• 3.4 华北某油田油井压裂数据挖掘需求
• 3.4.1 数据情况
• 3.4.2 课题需求
• 3.4.3 项目实现的目标
• 3.5 本章小结
• 第四章 解决方案的设计与实现
• 4.1 油井压裂商数智能项目总体设计
• 4.1.1 工具选择
• 4.1.2 解决方案的设计
• 4.1.3 SQL SERVER 2005 数据挖掘的流程
• 4.2 数据仓库的设计
• 4.3 利用ETL 工具加载数据仓库
• 4.4 搭建CUBE 并建立维度层次
• 4.5 数据挖掘
• 4.5.1 数据挖掘算法的选择
• 4.5.2 创建挖掘模型
• 4.5.3 模型评估
• 4.5.4 进行预测
• 4.6 预测结果集成应用
• 4.7 本章小结
• 第五章 油井压裂项目效果验证
• 5.1 使用普科展现CUBE 信息
• 5.2 使用AS 查看器查看挖掘模型
• 5.3 使用集成应用结果
• 5.4 通过RS 共享挖掘信息
• 5.5 使用EXCEL 2007 查询挖掘信息
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 6.3 本章小结
• 参考文献
• 致谢
• 个人简历、在学期间发表的论文与研究成果