【摘 要】
：
目前,我国大部分油田都已进入高含水、高采出程度的“双高”阶段,油藏剩余油高度分散、开发难度大。随着人工智能的发展,利用大数据技术充分发挥中国石油多年来积累的海量数据的优势,挖掘数据中隐含的潜在价值,实现从传统的业务模型驱动转向数据驱动,具有重要的意义。但是,由于石油数据的复杂性为石油数据构建带来了严峻的挑战;同时,油藏开发人员在数据科学领域的局限性也导致了机器学习技术很难在石油领域高效普及。针对这
论文部分内容阅读
目前,我国大部分油田都已进入高含水、高采出程度的“双高”阶段,油藏剩余油高度分散、开发难度大。随着人工智能的发展,利用大数据技术充分发挥中国石油多年来积累的海量数据的优势,挖掘数据中隐含的潜在价值,实现从传统的业务模型驱动转向数据驱动,具有重要的意义。但是,由于石油数据的复杂性为石油数据构建带来了严峻的挑战;同时,油藏开发人员在数据科学领域的局限性也导致了机器学习技术很难在石油领域高效普及。针对这些问题,本文展开了以下研究:（1）从业务流程、数据质检、特征工程三方面论述了石油大数据生态建设方法,提出了新的油藏数据特征工程方法。（2）针对油藏井间连通性分析和高含水层识别两个应用案例,给出了油藏大数据建模关键技术,包括数据样本建设、机器学习模型构建、模型评价与应用等。（3）从软件工程角度,基于SOA和J2EE的技术架构,开发了油藏大数据管理软件,为油藏业务人员提供了一套智能化分析的算法工具和应用平台。
其他文献
信道估计的好坏在很大程度上决定了整个通信系统性能的优劣,一直是无线通信系统研究的热点问题。信道估计能够获知信道的状态信息,通过对接收端数据进行补偿以恢复出原始数据,从而提高整个通信系统的传输性能。随着无线通信业务的爆炸式增长,信道环境日趋复杂化,人们对通信系统的要求也越来越高。在复杂信道条件下,如何使信道估计更为准确,已经成为目前研究的新热点,特别是在面向未来的智能通信中,新老技术的结合无疑是国内
客观对象可抽象表达为数据样本,而数据样本维度的增长导致其表达信息的复杂程度在不断提高,另一方面,客观对象往往存在着多义性,因此,多标签的特征选择是数据挖掘和模式识别等领域研究和应用的热点之一。其旨在剔除无关特征和冗余特征,从而提高学习效率、优化模型性能等。本文提出了UN-MLFSPO算法,通过希尔伯特-施密特独立性准则（HSIC）度量特征和标签之间的关联程度,然后在展开的高维空间中使用帕累托最优原
近年来,我国深化改革力度不断加强,环境保护受到了越来越多的关注。石油炼化企业需要相应地提高环境管理水平,保障生产过程符合相应的政策要求,杜绝重大环境污染事件发生。催化裂化装置是炼化企业主要污染物排放源,并且催化裂化反应机理复杂,污染物的排放存在不确定性。如何根据催化裂化装置的生产要素和历史排污数据,预测其未来的变化趋势,减少排污的不确定性变得非常重要。有效的污染物排放预测可以为石油炼化企业生产计划
近年来,天然气越发在国民经济中占据重要地位,然而,从理论研究出发继而推导出相关结论再应用于实践指导这样的传统思路,越来越跟不上行业的发展步伐,严重制约了气田和气井的开发。本文应用先进的大数据技术,让数据指导实践,通过对石油天然气勘探开发过程中产生的大量数据进行分析,可以为实际勘探开发提供快速指导和决策支持。研究中采用Python语言结合机器学习技术对实际气田的大量数据进行了提取、处理、建模、分析和
卫星图像语义分割是指将卫星图像中有价值的信息进行标注。由于卫星图像的规模庞大,其中包含的信息也很丰富,需要通过图像分割算法从这些大规模卫星图像中快速提取出有效信息。然而现有的图像分割算法仅支持小规模图像分割,无法对大规模图像直接进行分割。为了解决大规模图像分割问题,本文研究并设计了大规模卫星图像语义分割系统,并且从以下三个方面进行了研究与探索。首先将大规模图像裁剪成若干张符合图像分割算法输入要求的
水下油气生产过程虚拟现实仿真平台应用虚拟现实技术通过水下动力学仿真与多个仿真系统之间的集成,实现对工作人员的虚拟操作培训。针对该平台中数据难以有效管理的问题,在本文的研究中首次将时空数据库技术应用于虚拟现实仿真系统,开发了一套适用于该虚拟现实仿真平台的数据管理系统,主要研究内容如下:（1）对水下油气生产过程虚拟现实仿真平台进行了数据流分析。对数据管理系统进行需求分析和基于C/S架构的总体设计,构建
石油勘探领域的现场报告和科研文献等研究资料极具科研价值,将其共享至网络平台供科研人员使用,有助于提高资料利用率。随着研究资料的逐年增加,本文关注信息获取,开展个性化推荐系统研究,实现资料的筛选和过滤。针对协同过滤推荐方法中存在的稀疏性、冷启动和样本不平衡等问题,提出改进协同过滤方法和正例样本填充方法,并应用于实验检测网络交流平台,设计实现研究资料推荐子系统。首先,针对FML（Factorized
速度在地球物理勘探中扮演着十分重要的角色。精确的速度模型不仅是偏移成像和其他高分辨率勘探方法的前提,也是进行地震数据时深转化所必不可少的重要因素。在常规方法中可以使用全波形反演或者其他的层析成像技术获得地质体速度。但是这些常规方法存在计算成本高,大量耗费人工的缺点。并且严重依赖于人工交互。针对这一问题,本文提出一种基于监督机器学习的速度模型建立方法来实现地震数据从时间域到深度域的精确转化。机器学习
基于STM32F407芯片设计实现了地面遥测板和井下遥测板的通信功能,通过单芯电缆作为传输媒介实现井下数据的上传和上位机指令的下达。使用编码程序依照差分曼码的编码规则完成有效数据的编码工作,编码后的曼码数据使用SPI+DMA的方式发送,并通过驱动电路加载到电缆上进行传输,驱动电路由AD847运算放大电路和TD823功率放大电路组成。接收端将从电缆上接收到的曼码信号送入两级放大电路和比较电路处理后输
原油含水率的获取对油田的实际开发生产、油质提高和成本控制有着极其重大的意义。目前,市场上主流的含水率测定仪很难在精度、成本、实时以及维护等方面满足油田实际生产的需求。因此,设计实现一种高精度、低成本、快响应、易维护的原油含水率在线检测系统具有重要的实际意义。本文首先研究了电容法、微波法、近红外光谱法、密度法以及同轴相位法等多种含水率测定方法,并对基于这些原理的国内外多种原油含水率获取系统的优缺点进