一种基于数据挖掘的研究流程自动化测井评价专家系统

摘要

本发明提供了一种基于数据挖掘的研究流程自动化测井评价专家系统，属于地球物理测井技术领域。本发明包括数据元模型库、经典知识库、人工智能知识库，用户应用接口模块，区域研究模块以及处理解释评价模块，将数据挖掘技术与传统的测井评价技术相结合，建立流程自动化的经典知识库模型以及人工智能知识库，为用户进行区块快速测井评价提供实时地、全面地流程引导与专家技术支持，实现研究流程自动化测井评价专家系统。

说明书

技术领域

本发明涉及地球物理测井技术领域，具体地说是一种基于数据挖掘的研究流程自动化测井评价专家系统。

背景技术

随着海上勘探开发工作的不断深化，现有国外引进的测井解释系统越来越不适应日益增多的“三低”、高温超压、非烃类等复杂油气层对测井解释评价所提出的技术挑战。

测井数据资料种类繁多，随着打井的数量越来越多,资料独立存储在数据库中，数据间不相互关联，而在做区域评价和研究的时候，需要综合各种数据以及提取各种数据之间的蕴含关系，通过人工操作去查找开展一项研究所需要的基础资料不仅需要丰富经验，而且耗时，易漏，易错。

在做测井岩石物理研究时需要结合岩石物理资料和测井专家多年积累的经验，将具体经验“图版化”，变专家头脑中的感性认知和区域经验为研究人员实际工作中的理性认知，使得研究人员在模型选择、参数确定等测井解释过程中最大限度地减少人为因素干扰。

在对井资料进行处理解释的过程需要参考区域历史资料，包括录井数据、试油数据以及生产动态资料，通过人工对比分析，降低了解释效率，而数据挖掘的工具能够根据历史资料自动提取有价值的历史资料，实现自动识别。

在区域研究中，由测井专家多年总结的一些研究流程，没有形成体系，对于新手不能够快速上手，这样需要一个能够根据研究内容，自动确定研究流程的系统。

目前业内所采用的数据挖掘方法没有与专家知识库结合起来，而传统的测井评价方法又没有结合数据挖掘的方法，缺乏将数据挖掘与专家知识交叉结合的一个自动化专家系统。

发明内容

本发明利用一体化数据元模型库，元模型库管理的内容包括专业模型、逻辑模型、物理模型；资料清单数据挖掘；将预设的多个算法节点的输入数据类型分别与所述元数据中的输入数据类型进行匹配，确定匹配成功的算法节点；根据预设的节点关系表，递归查找每个匹配成功的算法节点的所有前向节点和后向节点，确定分别与所述每个匹配成功的算法节点的对应的多个数据挖掘路径，再经过人机交互优化确立研究流程；根据预设的流程节点算法参数模板自动完成对应的研究工作；如开展自动化测井“岩性-电性-物性-含油性”关系研究；储层有效厚度下限研究等；上述各研究成果进入专家知识库中经典知识库子系统，为传统测井评价提供处理模型和参数，并在知识库有效厚度下限指引下自动划分有效储层（本项目子专利）；对自动分层的单层，利用数据挖掘工具结合油田实际录井气测、测试测压、试油及生产库，采用关联分析、聚类分析、神经网络方法自动生成多方法交叉、并行的对比验证油气层识别结论，有效提高油气层解释评价精度，并通过人机交互联作解释进一步提高疑难层解释可靠性。系统结合在一起可以为用户进行区块快速测井评价提供实时地、全面地流程引导与专家技术支持。

为解决上述技术问题，本发明提供了一种基于数据挖掘的研究流程自动化测井评价专家系统，包括油田勘探开发数据库、一体化数据元模型库，用户应用接口模块，区域研究模块以及解释评价模块，其中：

元模型库管理的内容包括：专业模型、逻辑模型、物理模型；

用户应用接口模块实现数据的导入，用户交互操作，算法流程人工交互以及可视化的效果显示；

区域研究模块，实现区域四性关系研究、储层参数自动化研究、有效厚度下限研究、流体识别研究、岩电参数研究、下限敏感度分析，区域研究为解释评价模块提供了技术支持；

解释评价模块，实现自动化解释以及人工交互解释，自动化解释将区域研究成果所建立的经典知识库以及数据挖掘方法所建立的人工智能知识库，通过知识调用引擎自动实现储层流体识别，并将两个结果进行对比，交叉验证，为井资料解释评价提供多技术支持；而解释人员依据置信度通过人工交互方式对自动化解释结果进行修正，同时解释评价模块又对区域研究实现实时反馈。

作为本方案的优选实施例，所述的经典知识库的建立方法如下：

1. 从基础数据库中提取化验分析资料、测井原始资料、勘探动静态数据等源数据；依据数据元模型库中专业模型和逻辑模型中预设的专家研究内容及流程，建立算法节点匹配表、算法节点与研究流程关系表、研究流程图版及其关系表；

2. 应用数据挖掘工具建立测井系列与岩心数据间的关联规则，将关联规则与预设的多个算法节点进行匹配，确定匹配成功的算法节点，形成算法节点匹配表，表中包含的关键字段有:节点序号、节点索引、搜索范围、算法节点、算法描述；

3. 根据预设的节点关系表，递归查找到每个匹配成功的算法节点的所有前向节点和后向节点，确定分别与所述每个匹配成功的算法节点的对应的多研究流程。形成算法节点与研究流程关系表，表中包含的关键字段有：节点序号、节点索引、搜索范围、流程节点、流程算法描述；      

4．使用数据挖掘算法工具，根据预设的节点参数创建与所述多个数据挖掘研究流程对应的多个自动化知识研究流程。建立测井系列及岩心化验分析 (A)与算法节点匹配模块(B)、算法流程(R)、算法模板(L)的关联规则：A—>B—>R—>L、A—>B、A—>R、B—>R、B—>L、R—>L；

5．人工交互对建立的关联规则以及由关联规则建立的算法流程进行确认和修正，并将建立的规则和流程入库，应用数据挖掘工具建立算法节点及研究流程与流程图版之间的关联规则，形成算法节点、研究流程与研究流程图版关系表，其中表中包含的关键字段有：节点序号、节点索引、搜索范围、模板类型、模板描述；

6．由过程（5）可自动依据模板产生研究需要的图表及模型等，可选择进入经典知识库中保存，供测井处理解释研究调用。

作为本方案的优选实施例，所述的人工智能知识库的建立方法如下：

1. 从基础数据库中提取测试、试油、测压取样以及生产动态数据等已证实地层出油、出水信息数据；

2. 对提取的数据实行在线分析处理，保证数据的质量和完整性；

3. 利用数据挖掘的统计分析、关联分析、神经网络方法、聚类分析对提取的数据进行分析，按照知识的类别，分地区、分层位、分岩性等对自动分层的单层自动建模，并对建模结果进行置信度分析；

4. 通过知识采集卡，对建立的知识模型进行知识采集，形成人工智能知识库。

作为本方案的优选实施例，所述的人工智能知识库和经典知识库，通过知识调用引擎被上层应用自动调用，知识库应用于流体识别、测井处理解释、有效储层划分。

作为本方案的优选实施例，所述的知识调用引擎，具备人工输入关键词匹配调用以及流程自动调用两大功能。

作为本方案的优选实施例，所述的测井系列挖掘模块根据测井系列在数据库存储的资料，采用聚类分析和模型树等多种数据挖掘方法建立测井系列的关联规则，实现用户输入关键词进行查询，并为后续的自动流程生成提供关联。

作为本方案的优选实施例，所述的岩心化验分析数据挖掘模块根据岩心实验分析数据，结合测井系列，通过采用数据挖掘方法建立起岩心数据关联规则。

作为本方案的优选实施例，所述的算法节点匹配模块将预设的多个算法节点的输入、输出数据类型分别与所述元数据中的输入、输出数据类型进行匹配，确定匹配成功的算法节点。

作为本方案的优选实施例，所述的田勘探开发数据库，存储内容涵盖物化探、钻井、录井、测井、油气井测试、分析化验、地层研究、构造研究、烃源岩评价研究、储层评价、盖层研究、圈闭评价、油气运移研究、成藏研究、探井井位设计、储量管理、油气藏评价、油藏开发预可行性研究、油藏开发可行性研究、ODP设计与实施、开发井设计、油气藏开发动态分析与调整、采油与注入生产管理、井下作业、动态监测，采用一体化数据元模型库管理，实现数据的一体化管理和共享服务。

本申请中提供的一个或多个技术方案，至少具有如下有益效果：

将数据挖掘技术与传统的测井评价技术相结合，建立流程自动化的经典知识库模型以及人工智能知识库，为用户进行区块快速测井评价提供实时地、全面地流程引导与专家技术支持，实现研究流程自动化测井评价专家系统。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例的系统结构图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

实施例1

如图1所示，一种基于数据挖掘的研究流程自动化测井评价专家系统，包括油田勘探开发数据库，经典知识库，人工智能知识库，用户应用接口模块，区域研究模块以及解释评价模块，其中：

用户应用接口模块实现数据的导入，用户交互操作，算法流程人工交互以及可视化的效果显示。

区域研究模块，实现区域内的四性关系研究、储层参数自动化研究、有效厚度下限研究、流体识别研究、岩电参数研究、下限敏感度分析等，区域研究为解释评价模块提供了技术支持。

解释评价模块，实现自动化解释以及人工交互解释，自动化解释将区域研究成果所建立的经典知识库以及数据挖掘方法所建立的人工智能知识库，通过知识调用引擎自动实现储层流体识别，并将两个结果进行对比，交叉验证，为井资料解释评价提供多技术支持；而解释人员依据置信度通过人工交互方式对自动化解释结果进行修正。同时解释评价模块又对区域研究实现实时反馈。

评价专家系统技术路线是：

一种基于数据挖掘的研究流程自动化测井评价专家系统，包括人工交互数据挖掘与专家经验知识结合的技术和人工智能自动化技术两条技术路线，其中：

人工交互数据挖掘与专家经验知识结合的技术路线，该路线通过数据挖掘方法建立起测井系列，岩心化验分析数据等与专家经验算法节点的关联规则，同时通过数据挖掘算法建立专家经验算法节点与流程模板、参数模板、绘图模板之间的关联规则。通过以上步骤建立起知识经典研究流程，如四性关系、储层参数自动化研究、有效厚度下限研究、流体识别研究、岩电参数研究、下限敏感度分析等研究流程，实现经典知识库模型的建立。

人工智能自动化技术，采用数据挖掘算法从测试数据、试油数据以及生产动态数据中自动学习知识，并将学习到的知识模型进行采集存储，形成人工智能知识库。

根据两条技术路线建立的经典知识库和人工智能数据库，通过统一的知识调用引擎调用，两者交叉应用，交叉验证，实现将专家知识与自动化的人工智能技术相结合，并将其应用到测井处理与解释、储层流体识别、渗透率计算等应用中，从而建立研究流程自动化测井评价专家系统。

评价专家系统数据源：

数据来自油公司大型的勘探开发一体化数据库，涵盖物探、钻井、录井、测井、油气井测试、分析化验、地层研究、构造研究、烃源岩评价研究、储层评价、盖层研究、圈闭评价、油气运移研究、成藏研究、探井井位设计、储量管理、油气藏评价、油藏开发预可行性研究、油藏开发可行性研究、ODP设计与实施、开发井设计、油气藏开发动态分析与调整、采油与注入生产管理、井下作业、动态监测等，存在统一中心数据库中。

评价专家系统数据管理：

数据源的管理采用一体化数据元模型库，包括专业模型、逻辑模型、物理模型、投影模型，实现模型管理、数据迁移、数据安全、数据访问、数据通用查询、应用支持等功能，建立基于数据服务平台的数据服务。

评价专家系统数据源整理和筛选：

评价系统结合数据挖掘方法和专家经验知识实现，因此需要对数据源进行整理和筛选，比如在建立储层流体识别数据挖掘模型时，需要选择试油验证的资料数据作为训练样本；在建立测井系列与算法节点的关联规则时，需要保证数据的完整性和可靠性。

评价专家系统，其中的经典知识库模型的建立的步骤包括：

从数据库中筛选测井系列、岩心化验分析数据等数据源并筛选；

根据专家经验知识建立算法节点表；

根据专家经验知识建立研究流程索引表；

根据专家经验知识建立参数模板、绘图模板以及算法模板，比如测井“四性”关系、测井储量研究相关储层参数自动化研究、有效厚度下限研究、流体识别研究、岩电参数研究、有效厚度下限敏感度分析等模板；

建立测井系列与算法节点的关系表；

建立岩心化验分析数据与算法节点的关系表；

建立算法节点与研究流程的关系表；

建立算法节点、研究流程与模板之间的关系表；

应用数据挖掘工具建立测井系列与算法节点的关联规则；

应用数据挖掘工具建立岩心化验分析数据与算法节点的关联规则；

应用数据挖掘工具建立算法节点与研究流程的关联规则；

应用数据挖掘工具建立算法节点与模板间的关联规则；

应用数据挖掘工具建立研究流程与模板间的关联规则；

应用数据挖掘工具建立从测井系列、岩心化验分析数据、曲线数据到算法节点、研究流程到模板库的一体化自动化研究流程；

采集建立的关联规则，以及前述流程产生的各类测井资料处理模型公式、测井处理解释关键参数等存储到数据库中，建立经典知识库模型，供以后区域研究和新区勘探时参考利用。

评价专家系统，其中的人工智能知识库的建立的步骤包括：

对测井曲线自动分层，并对分层数据进行筛选和整理；

在测井曲线有效储层自动划分解释的基础上，对研究区块已有测试试油资料、测压取样资料以及油田生产动态信息等数据进行挖掘，通过统计分析、关联分析、神经网络方法、聚类分析方法等，按照知识的类别，分地区、分层位、分岩性、分厚度等对自动分层的单层自动建模；并对建模结果进行置信度分析，经过人机交互后进行采集存储，建立人工智能知识库。

将人工智能知识与经典知识通过知识采集建立知识库。

评价专家系统，其中人工交互说明：

对于自动化建立的研究流程，如果其与研究人员需求不太一致，则通过人工交互方式，监督学习，直到满足要求，对于井资料解释评价，对比经典知识库模型以及人工智能知识库两种解释结果，将不一致的地方人工交互修正。

以测井有效储层评价解释为例说明应用流程和应用效果：

测井资料处理时，通过知识调用引擎，自动调用经典知识库中处理模型，如饱和度计算需要的模型及其中关键参数，如a\b\m\n岩电参数；一口井处理完后，需要进行有效储层的划分及流体性质判断，到这一流程时，系统自动启动分层取值模块，并引用经典知识库中有效厚度下限自动划分有效储层，并形成定量化测井解释成果图表；

根据关键字储层评价解释在知识库中进行向前和向后搜索，递归找到匹配的算法节点和算法流程。

根据匹配的算法节点计算泥质含量、孔隙度、含水饱和度、渗透率等。

根据区域、层组等关键词在经典知识库模型中递归搜索储层参数研究模型，获取有效厚度下限研究参数。

根据有效厚度下限参数，分层取值子模块自动划分有效储层。

根据匹配的算法流程自动化获取储层评价解释模板可视化显示评价结果，以上是一套经典的定量测井处理解释流程。

测井专家根据上述流程的评价结果，进行人工交互修正，同时可以回放解释评价流程中的知识模型，如果自动生成的流程不满足要求，则通过人工交互制定解释流程。

同时，在对油、气、水层进行定量有效储层划分时，测井学家常常遇到一些在有效厚度下限标准附近的储层，这些层的解释不能简单按照下限标准去判断流体性质，更是需要大量的理论基础及区域实践，通过对本区各类资料的把握程度去具体问题具体分析，这样利用知识库及数据挖掘工具，就可以发挥作用，本系统就提供了应用人工智能和知识库进行定性测井解释评价的功能；

对测井曲线分层段、分厚度进行数据分类管理。

根据测井资料所属区域，获取人工智能知识库中的所属区域的所有模型。

在所获取的模型中根据测井资料所载的层段、厚度等获取相应的模型。

根据获取的模型，输入相应的测井资料，自动判断储层流体类型，并计算模型结果的置信度。

将经典知识库指引下的定量化解释评价结果与数据挖掘人工智能知识库定性解释评价结果进行综合对比。

根据两者的结果交叉验证，对于结论不一致的评价结果，实施人工交互评价，完成有效储层评价解释。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例演示如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，即可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。