石油地质勘探数据挖掘技术的关键技术探讨

对石油勘探开发数据挖掘技术的关键技术-可视化聚类挖掘工具的进行了论述,阐述了分类算法的常见工具,并且就数据挖掘在石油勘探开发管理中的应用作出了初步分析,在分析油田地质勘探数据库体系结构和系统开发技术的基础上,通过开发相应的系统功能,以实现勘探信息的传输、存储和挖掘,讨论了油田地质勘探数据库的建设和应用情况,这对有效利用企业现有资源,高油田的地质勘探水平具有重要的应用价值。     

基于改进K均值算法的输油管道工况聚类研究

由于输油管道工况变化复杂和先验知识缺乏,K均值聚类算法存在一定的局限性。为此,基于模拟退火思想和Metropolis准则改进K均值算法,实现基于全局最优解的动态聚类,解决了K均值聚类时产生的局部最优解问题,避免了初始划分对聚类结果的影响;引入分类数评估函数,准确计算样本集的最优划分,克服了K均值聚类时依靠人为指定分类数的缺点。应用改进K均值算法对输油管道工况聚类,聚类准确率达到100%。     

基于数据挖掘的旋转部件故障特征模式提取研究

针对大型设备旋转部件故障模式复杂难以辨识的特点,选取与其运行状态密切相关的多个振动参数作为原始特征模式,阐述如何从故障信号数据库中,应用模糊聚类方法对旋转部件运行状态进行评判,挖掘出诊断的敏感特征参数。文章给出了建立模型的基本思想、算法和步骤,并结合实例验证了该方法的正确性。实验表明,该方法能有效地提取旋转部件故障特征模式,从而实现对大型机械设备故障的精确诊断。     

数据挖掘技术在石油勘探与开发中的研究及应用

数据挖掘为未来三到五年内将对工业产生深远影响的五大关键技术之一,本文对石油勘探开发数据挖掘技术的关键技术—可视化聚类挖掘工具进行了论述,阐述了分类算法的常见工具,并且就数据挖掘技术在石油勘探开发管理中的应用作出了初步分析,结合新疆塔里木地区一组测井数据实例说明利用数据挖掘技术进行的建模和地层识别的流程,最后对石油勘探开发数据挖掘技术的特点和急待解决的问题进行了总结。     

基于K-means聚类分析和多元线性回归的相关流量数据处理方法

相关流量计在油井产出剖面测量中得到了成功的应用。但因传感器、调理电路以及流体本身噪声的影响,相关流量计所测量的渡越时间值会出现少量异常数据,使瞬时流速的计算结果与实际值相差很大,进而平均流量计算也出现较大的测量误差。对此提出基于K-means聚类算法对渡越时间样本数据聚类分析,并根据聚类结果建立多元线性回归预测模型,合理预测渡越时间值,以修正渡越时间的异常值。对预测值与实际值进行比较,最终获得准确的相关流量数据。采用多相流装置的实验数据对所建立的方法进行验证,结果表明,该方法可有效消除渡越时间的异常,优化流量测量的数据,对两相流流量测量有一定的实践意义。     

基于机械比能的钻速预测模型优选

提高钻井效率是石油钻探过程中的重要环节之一,主要通过调整钻井参数、减小机械比能、提高机械钻速等方法实现。机械比能(MSE)表示钻头破碎单位体积岩石所需的机械能量,是评价钻井效率的主要指标之一,然而复杂的钻井作业导致大多数评价模型在应用过程中受到限制,地层不确定性会带来钻速预测模型泛化能力下降、非生产时间增加等问题。文章针对目标井的不同地层建立多种预测模型,经评估优选出表现最佳的模型。首先,基于机械比能理论和互信息法分析了影响钻速的可控参数;其次,以历史钻速均值为提速阈值将回归预测转换为分类预测,评估K最近邻(KNN)、多层感知机(MLP)、朴素贝叶斯(NB)、逻辑回归(LR)等分类算法模型的预测性能;最后优选出适用于目标井各地层的KNN模型,并将优选模型应用于同区域邻井中。实际验证结果表明：同区域邻井的四个地层预测准确率分别为0.94、0.94、0.92、0.96,AUC值分别为0.98、0.97、0.96、0.98,模型表现良好,能够助力钻井施工科学决策。     

基于计算机算法模型的大型石化项目信息管理方法

应用多种计算机算法模型设计出大型石化项目信息管理系统,对不同类型的数据提供统一的数据管理服务,数据压缩模型中根据访问频率分为冷数据和热数据,基于石油数据特征进选择合适的数据压缩策略。对于数据流较快的业务场景设计出高速数据存储模块,使用XCZU11EG芯片作为核心模块,存储速率可达到40Gbps。为提高系统的数据服务质量,使用粒子群算法进行动态调度,系统的资源利用率、均衡性和服务时延作为适应度函数,计算系统要部署的最优节点。搭建测试环境进行测试,实验结果显示本研究系统的对实验数据进行压缩后,数据占用的存储空间最小为6.2GB,系统的事务响应时间最小为9.6s。     

基于成像测井的孔缝智能分割与识别

在碳酸盐岩储层的钻探开发过程中,确定地层中的溶孔和裂缝所处区域及种类,对判断储层漏失通道和储存空间具有重要意义。借助图像识别技术,识别成像测井图像中裂缝与溶孔是当前研究的难点,该方法要求样本数据量较大,在小样本情况下识别效果较差,因此提出了通过图像分割提高样本质量,实现小样本情况下高准确度的孔缝识别。研究主要包括图像分割与图像识别两部分,图像分割以阈值分割为主,应用K均值聚类与遗传算法对阈值分割进行了逐步优化;图像识别主要是应用深度神经网络,基于图像分割后的高质量图像识别成像测井图像中的孔缝结构。研究结果表明,图像分割前后整体识别准确度由63.3%提高到90.0%。在模型的实际应用中,该模型成功识别了样本中包含的高导缝与溶蚀孔,通过图像分割提高图像质量,可以实现小样本高准确度的孔缝结构识别。     

流程工业报警管理系统的研究与应用

流程工业生产中,报警泛滥易造成操作人员的失察和误操作,导致人员伤亡、财产损失等严重后果。采用动态模糊聚类算法对流程工业报警系统进行合理分组,利用K-means算法确定聚类中心并对报警等级进行划分,对流程工业烟气脱硫系统的报警信息进行优化,验证了优化算法的有效性和实用性,实现了降低报警率的目的。     

基于见效特征的调剖井组分类及差异化调整方法

针对调剖后可能出现的吸水指数下降、含水率下降、产油量上升等多种现象,建立了可量化的调剖见效评价指标体系。在此基础上,采用模糊聚类理论,建立了调剖井组的多指标评价分类方法。根据分类结果,对不同类型的调剖井组提出了差异化调整措施:调剖见效综合评价较好的井组继续使用该类调剖剂;综合评价较差的井组,针对影响其评价结果的主要指标,通过进一步分析该类井组的区块分布位置、物性参数和调剖注入参数特征,找出该类调剖剂适应性较差的原因并调整调剖方案。应用该方法对扶余油田某区块16个调剖井组进行了分类,并针对性地调整了效果较差井组的调剖方案,实施后平均单井增油472 t,调剖见效率81%。建立的调剖井组分类及差异化调整策略可以应用到裂缝性油藏调剖效果评价,为后续调整措施的制定提供指导。     

基于特征提取与聚类识别的人工源电磁伪随机信号处理方法

人工源电磁数据易受噪声干扰,影响勘探效果。传统人工源电磁数据处理通常采用频点筛选、异常剔除等方法,人为因素影响太大,且滤波方法无法保留伪随机有效信号。为解决这些问题,针对人工源电磁伪随机数据,通过剖析有用信号与噪声的时域特征,定量辨识并定性分析人工源电磁伪随机有用信号,提出了基于特征提取和聚类识别的人工源电磁伪随机信号处理方法。首先,建立两类典型噪声和伪随机信号的样本库,分析样本库信号的时、频域特征;然后,提取时域统计学特征,并结合模糊C均值聚类算法识别并去除噪声,保留有用信号并重构人工源电磁原始数据;最后,利用数字相干技术提取有效频点的频谱。对模拟数据与实测数据进行处理分析,结果表明：本方法能准确、有效地识别并剔除典型噪声,显著提高人工源电磁伪随机数据的质量,经本文方法处理后的电场分量E_x归一化电场曲线和广域视电阻率曲线更平稳、连续,可有效提高人工源电磁信号的信噪比。     

基于相对熵改进模糊C均值聚类的溢流预警研究

钻井过程中溢流的早期发现非常重要,目前国内外基于人工智能的溢流预警模型普遍使用大量先验知识或训练数据,其准确性、实时性、可靠性完全受限于先验知识和训练数据,文章提出了基于相对熵改进模糊C均值聚类的溢流预警模型,采用相对熵理论改进模糊C均值聚类算法,克服传统模糊C均值聚类时聚类数目由用户主动给出的缺点,并结合溢流故障的发生与立压、套压的变化趋势具有相关性的特点,建立了早期溢流智能预警模型,实现对早期溢流的及时发现。通过对现场数据的仿真分析表明,该预警模型能够通过立压和套压的斜率变化及时准确地判断是否发生溢流。     

基于模糊C均值聚类与Bayes判别的致密油储层分类评价

为解决常规致密油储层因缺乏岩心分析资料而难以进行储层分类评价的难题,通过优选属性参数,应用模糊C均值算法划分致密油储层最优类别,再运用Bayes判别分析法建立储层类别与常规测井属性的关系式,利用常规采油井的测井属性判别储层的类别。现场实践应用表明:利用该方法划分的鄂尔多斯盆地志丹地区长₇Ⅱ⁶、长₇Ⅰ²射孔砂体储层类别与试油结果一致,研究区203口井储层划分吻合率为89.7%。该研究对高效开发致密油藏具有一定的指导意义。     

基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法

天然裂缝是基岩潜山油藏油气存储及运输的重要场所,而裂缝开度是表征潜山油藏储层品质、油气储量及产能评价的关键参数。为此,提出一种基于集成学习算法的新型裂缝开度预测算法。以B盆地中非乍得某基岩潜山油藏岩心描述、关键井成像测井、裂缝参数解释获取开度数据,以相同深度测井数据作为特征变量构成学习样本。利用K均值聚类算法对学习样本进行降噪,剔除异常数据,以支持向量机回归和XGBoost回归算法为基础模型,再利用随机搜索进行参数优化,通过岭回归算法对基础模型进行集成组合,再进行裂缝开度预测。结果表明所提出的新型集成学习算法比基础模型性能有明显提升。测试集样本预测值与实际值均方根误差为0.047,相关系数达0.931。该算法弥补了单一回归算法不稳定的特点,提高了泛化能力,为裂缝开度预测提供了新思路。     

基于交会技术的碳酸盐岩多矿物处理新方法

基于塔里木油田碳酸盐岩储层的特点,建立了适合各油田的测井解释模型和单矿物处理程序,对比分析了现有的各种多矿物处理方法,提出基于交会图技术的新的迭代算法,使得程序更稳定,适用性更强;整合油田已建立的各种测井解释模型,形成适合于塔里木油田储层特征的碳酸盐岩多矿物处理软件。通过实际生产应用,在精细处理与储层评价方面效果良好。     

基于GBDT和新型P-GBDT算法的催化裂化装置汽油收率寻优模型的构建与应用

催化裂化装置是一个高度非线性和相互强关联的多变量系统,基于数据挖掘技术的分析方法是优化该工艺过程的一类有力工具。笔者利用某石油化工企业集散控制系统(Distributed control system, DCS)和实验室信息管理系统(Laboratory information management system, LIMS)的工业生产实时数据,分别从指标与汽油收率的正负相关性、工业经验以及模型重要性筛选等方面选取了182个关键影响参数,利用梯度提升决策树(GBDT)算法构建催化裂化汽油收率的预测模型,预测相应的汽油收率。基于GBDT集成学习框架构建了P-GBDT模型,引入了特征扰动和特征权重,增大经验可控参数的权重,解决了普通GBDT模型对特征缺乏偏好、经验可控参数特征的权重较小的问题。结果显示,由P-GBDT算法构建的汽油收率预测模型预测结果的准确率、R2、均方根误差等指标相比由GBDT算法构建的基准模型的预测结果明显更好,对真实收率的拟合效果更为接近,对优化改进实际可控装置操作条件具有更好的指导意义。     

基于卷积神经网络与特征聚类的荧光薄片分析方法

荧光薄片是研究储层原油性质、分布特征以及孔隙结构的重要手段。但目前荧光薄片数据处理仍以人工方式为主,分析效率低且受人为因素影响。基于卷积神经网络,提出一种无监督自动分割方法。首先统计出不同组分在紫外光源激发下产生的荧光颜色,建立出荧光颜色图版与标准色系图谱以此确定划分标准,然后使用卷积神经网络提取出荧光图像的高级语义特征,通过相似性和连续性约束进行特征融合,通过计算与荧光色系图谱的空间距离与角度确定相似度划分类别,最终实现荧光图像中颗粒、孔隙、油质沥青、胶质沥青、沥青质沥青等组分的自动划分与定量分析。荧光薄片图像的实验证明,该方法不需要大量标记样本且总体各项平均误差较低,能够满足实际生产需求。     

基于BCALoD的FPSO软刚臂系泊系统疲劳分析

针对软刚臂系泊系统铰节点在服役过程中出现的疲劳损伤问题,提出一种基于原型监测和局部密度双向聚类算法（Bidirectional Clustering Algorithm based on Local Density,BCALoD）的疲劳寿命计算方法。采用BCALoD算法对获得的船体六自由度进行工况分类,运用多体动力学将运动数据转算为受力时程,将其作为铰节点疲劳寿命分析的载荷谱。采用Abaqus软件建立各铰节点有限元模型以计算热点应力,结合Miner线性疲劳累积损伤理论和雨流计数方法计算疲劳寿命。进一步分析评估基于实测数据的铰节点疲劳设计指标,指出该FPSO软刚臂上铰节点的疲劳寿命不足以支持其完成服役,且各铰节点难以统一维护和更换。本研究可为在役软刚臂系泊系统的疲劳寿命计算提供一种新的载荷处理方法,为未来海洋平台的设计提供参考。     

基于互相关算法的搅拌釜流场图像处理与分析

以图像处理理论为基础,采用粒子匹配互相关算法开发了搅拌釜流场图像处理与分析应用软件,此软件由基于C++环境的粒子图像处理和流场速度提取程序组成。利用该软件对自行设计的搅拌釜流场成功地进行了分析处理,绘出了流场的速度矢量图。结果表明,本软件可以有效地进行粒子图像的识别和流场分析,完全可以满足搅拌釜研究开发的需要。     

基于EMD与模糊聚类的发动机故障诊断方法

针对发动机气门故障信号的非平稳性、非线性等特点,提出一种基于经验模态分解(EMD)和C均值模糊聚类相结合的诊断方法。运用EMD方法提取故障信号的能量特征指标,利用C均值模糊聚类方法对此特征进行聚类。通过与小波包分解提取频带能量指标的特征提取方法相对比,结果表明运用EMD方法的模糊聚类方法能更有效地识别故障类型,非常适用于故障样本较少的发动机故障诊断。对新待测样本的识别结果验证了该方法在发动机故障诊断中的有效性。