呂春怡

【摘要】在油田工作中，經(jīng)常要對大量的數(shù)據(jù)進行處理。而傳統(tǒng)的信息處理方式中常見的問題有信息加工手段差、信息共享程度低、用戶分撒、復雜的人工操作等，導致信息的處理不及時，決策部門無法有效的應用這些數(shù)據(jù)。在油田數(shù)據(jù)信息處理中引進數(shù)據(jù)挖掘技術，對數(shù)據(jù)進行在線分析處理并且提供決策支持系統(tǒng)。

【關鍵詞】油田數(shù)據(jù) 信息 數(shù)據(jù)挖掘技術

【中圖分類號】TP391 【文獻標識碼】A 【文章編號】1672-5158（2013）04-0217-01

一、引言

目前決策科學化、管理扁平化、業(yè)務綜合化、數(shù)據(jù)集中化是信息化建設的發(fā)展趨勢，通過建立數(shù)據(jù)挖掘系統(tǒng)來處理紛繁復雜、規(guī)模龐大的信息數(shù)據(jù)并且挖掘出隱藏在這些數(shù)據(jù)背后有價值、有決策意義的信息。

數(shù)據(jù)挖掘技術概述：

數(shù)據(jù)挖掘就是從大量不完全的而且模糊的、有噪聲的、隨機的數(shù)據(jù)中獲取隱含在其中的潛在有用的信息和知識的過程。計算機取證數(shù)據(jù)挖掘技術可以發(fā)現(xiàn)、分析并出示計算機犯罪的未知信息。通過對犯罪屬性分類、模式的發(fā)現(xiàn)、規(guī)則的提取實現(xiàn)計算機犯罪證據(jù)的數(shù)據(jù)挖掘。而廣義數(shù)據(jù)挖掘是把統(tǒng)計數(shù)據(jù)建立在經(jīng)驗和直覺之上的組合數(shù)據(jù)挖掘方法，不是僅依靠不完全的數(shù)據(jù)分析。這樣，就避免了大量的、不完全的、有噪聲的、模糊的和隨機的數(shù)據(jù)在大多情形下并不具有數(shù)據(jù)分析情況的出現(xiàn)。廣義數(shù)據(jù)挖掘基本結構如圖如下：

二、建立數(shù)據(jù)應用平臺

（1）采用數(shù)據(jù)挖掘與在線分析技術、數(shù)據(jù)倉庫相結合能夠?qū)崿F(xiàn)不同系統(tǒng)的共享和互聯(lián)，用戶訪問信息變得很方便，一段時間的歷史數(shù)據(jù)能夠被決策人員用來分析，從而對事物發(fā)展的趨勢進行研究。通過分析油田數(shù)據(jù)，建立適合于油田數(shù)據(jù)信息的數(shù)據(jù)挖掘應用平臺，如下圖：

（2）建立油田生產(chǎn)數(shù)據(jù)倉庫

系統(tǒng)主領域的確定、數(shù)據(jù)建模是構建數(shù)據(jù)倉庫的首要步驟，如在在井組生產(chǎn)中系統(tǒng)主題的確定是：油井生產(chǎn)受注水量的不同和層位不同的注采工藝的影響。其中注水井生產(chǎn)數(shù)據(jù)、油井生產(chǎn)數(shù)據(jù)、油井屬性數(shù)據(jù)、生產(chǎn)時間等是分析中要應用到的數(shù)據(jù)，從而對每個主題的維度和事實進行確定，并且數(shù)據(jù)倉庫的建立使用多維數(shù)據(jù)模型。在井組生產(chǎn)中，氣油比、日產(chǎn)氣量、日產(chǎn)液量等事實數(shù)據(jù)是決策者所關心的。數(shù)據(jù)的含義是多維數(shù)據(jù)模型所關心的，并且對分析領域的數(shù)據(jù)模型能夠清晰的表達出來。所以應用多維數(shù)據(jù)模型來建立數(shù)據(jù)倉庫的概念模型。在建立中首先建立的不是物理模型而是邏輯模型，物理實施在邏輯模型的指導來實現(xiàn)。確定數(shù)據(jù)源、定義關系模式、劃分粒度層次等是設計邏輯模型的主要內(nèi)容，其中粒度的大小需要兼顧查詢分析效率和數(shù)據(jù)量的大小，并且對數(shù)據(jù)倉庫的分析能力也要進行考慮。如下圖是井組生產(chǎn)的多維數(shù)據(jù)模型：

三、在處理油田信息中數(shù)據(jù)挖掘的過程

（1）在油田信息中應用數(shù)據(jù)挖掘技術的時候，必須明確所要達到的目標和要解決的問題。針對數(shù)據(jù)挖掘的目標進行如下定義：對油田生產(chǎn)中的異?，F(xiàn)象應用聚類分析法或分類分析法進行分析、如超注欠注、單量異常變化等。而且對泄露、異常井號及時發(fā)現(xiàn)，使生產(chǎn)出運行參數(shù)得到優(yōu)化，確保油田經(jīng)濟、安全、正常運行；對數(shù)據(jù)之間的聯(lián)系等利用時間序列分析、回歸分析、相關分析等方法進行挖掘，能夠檢測出油田生產(chǎn)受到各變量的影響程度，便于融合油田分散的數(shù)據(jù)，對生產(chǎn)的指導也有很大的幫助；在油田生產(chǎn)經(jīng)營中進行了信息化建設，生產(chǎn)經(jīng)營的大量成果數(shù)據(jù)和歷史數(shù)據(jù)得到了很好的積累，進行這些數(shù)據(jù)背后的知識的挖掘和提取可以采用興趣模型來實現(xiàn)，對油田生產(chǎn)中的規(guī)律進行探索，對未來的生產(chǎn)情況、油藏開發(fā)指標等能夠進行預測，從而在優(yōu)化和調(diào)整生產(chǎn)方面起到更好的作用。

（2）數(shù)據(jù)準備階段在數(shù)據(jù)倉庫中完成之后，接下來需要進行模型應用、建立模型、數(shù)據(jù)探索等工作。在數(shù)據(jù)挖掘工作中建立數(shù)學模型是核心環(huán)節(jié)，各種數(shù)據(jù)挖掘算法在這一模型中有效的集成，如貝葉斯預測、模糊聚類、神經(jīng)網(wǎng)絡、統(tǒng)計分析、決策樹、關聯(lián)規(guī)則等嗎，通綜合和比較多種建模方法來實現(xiàn)數(shù)學模型的建立，并且數(shù)據(jù)被分層為校驗數(shù)據(jù)和訓練數(shù)據(jù)，在模型檢驗主要使用校驗數(shù)據(jù)，在求解模型參數(shù)中主要使用訓練數(shù)據(jù)。在已經(jīng)建立的模型中代入檢驗數(shù)據(jù)是模型檢驗階段的主要任務，并且要對模型的響應進行觀察，模型準確程度的評估是通過真實數(shù)據(jù)和模型相應的比較來實現(xiàn)的。倘若是比較差的模型準確性，那么就要建立新的模型、重新進行數(shù)據(jù)探索，指導新模型檢驗。所以，模型檢驗、建立模型、數(shù)據(jù)探索在實際應用中是反復迭代的過程。

（3）在大量數(shù)據(jù)采集中選擇訓練樣本，很可能出現(xiàn)數(shù)據(jù)誤差，網(wǎng)絡訓練的準確性會受到一些明顯矛盾的影響，網(wǎng)絡識別的能力降低，所以必須有效的篩選訓練樣本，經(jīng)過專家經(jīng)驗和用戶對數(shù)據(jù)挖掘階段發(fā)現(xiàn)模式的評價，剔除無關和冗余的模式，當用戶的要求模式不能滿足的時候，整個發(fā)現(xiàn)過程需要對數(shù)據(jù)進行重新選取，換一種算法進行再次挖掘，或?qū)?shù)據(jù)挖掘參數(shù)值進行重新設定、應用新的數(shù)據(jù)變化方法。通過圖形化的方式把一些正確并有趣的模式呈現(xiàn)給用戶。

四、結束語

在處理油田數(shù)據(jù)信息時，采用數(shù)據(jù)挖掘技術建立數(shù)據(jù)應用平臺，對超大規(guī)模的數(shù)據(jù)進行集中挖掘，對油田的生產(chǎn)規(guī)律進行探索，提取對企業(yè)戰(zhàn)略發(fā)展和業(yè)務決策有用的信息。油田數(shù)據(jù)信息處理中數(shù)據(jù)挖掘技術將有廣闊的發(fā)展前景。