结合油田数据湖中开发数据应用存在的问题与专业研究应用需求,就开发数据的知识化应用与油田实例库体系建设展开了研究,通过归纳和整理现有的油田开发理论、方法以及开采工艺,形成了详细需求分析并进行了业务数据库的设计,以油田、单元为对象,对其开发全过程进行了数字化描述,实现了油田开发历史的数字化存储及管理,并且将数据库转化为信息形成知识库,介绍了如何通过实例库系统进行相关数据和知识的更新、查询以及智能化应用等.

油田大数据应用场景在设计、研究与建设过程中会涉及多学科、多专业相互关联、互有交叉、技术密集的全量数据内容,目前多源数据对象独立建设,各专业采集数据结构类型不统一,数据采集设计并不适合面向业务应用,存在整合应用难、数据综合提取难、专业间数据融合难等问题.为了将多源异构、不同时空尺度的数据处理、融合为油田大数据应用场景需要的全量数据集合,开展油田数据多源性分析,按照横向分专业,纵向以井为核心进行数据集成技术研究,并筛选、确定五个油田业务融合点,从不同尺度开展勘探开发数据的处理和关联融合的方法研究,建立一套油田数据融合方法及融合基础模型.应用结果表明,该融合方法能够有效集成、处理、融合油田多源异构数据为大数据应用场景需要的数据集.实现油田大数据应用场景中准确的全量数据支持,提高提高大数据预测结果的准确性.

专业模型成果数据是油田重要的数据资产,但该类数据格式多样、数据量大,且以数据体方式存储,难以适应大数据应用场景,建立一套油田模型成果数据解析技术体系,解析地震解释模型、地质模型、数值模拟等成果数据为明码可读模式,制定成果数据统一存储格式标准规范,采用层次性数据格式第5版(hierarchical data format version 5,HDF5)存储技术统一存储,提供公共数据接口服务,有效支持结构化成果、半结构化成果和非结构化成果的多源异构数据融合处理,成为大数据研究场景中需要的可靠的样本数据资源.

相渗曲线是油气田开发研究中的一项重要基础资料.采用常规室内实验法获得相渗曲线费用昂贵且耗时,测试样品少,难以代表整个油藏的特征;经验公式法估算获得的结果精度低且误差大.为了实时、准确获得水驱储层相渗曲线,采用机器学习算法进行仿真预测.通过测井参数敏感性分析,融合相渗曲线数据,构建水驱储层相渗曲线仿真样本集.在此基础上,优选机器学习算法进行地质因素约束优化以及曲线端点约束优化,实现相渗曲线智能可视化生成.研究结果表明:该方法能实现每口井每个层段的相渗曲线预测,预测精度大于90％,能准确反映油藏渗流特征和储层渗透率变化规律,具有较高的实际应用价值和良好的推广应用前景.

随着油气勘探开发智能化应用越来越成熟、应用场景越来越丰富,大规模应用日益临近,样本的分布式存储、高效采集及并行计算已成为油气勘探开发智能化应用的迫切需求.地震勘探的智能化是油气勘探开发智能化的重要组成部分.针对地震勘探数据具有的单一文件数据量大、非结构化的特点,在分析地震勘探大数据样本采集需求的基础上,提出基于Hadoop分布式文件系统(HDFS)的大文件分割和合并的解决方案,并对地震勘探数据生成3个不同维度的冗余存储,以提升地震勘探样本的采集效率.测试结果表明,基于HDFS的三倍冗余存储方案在数据量迅速增大的情况下,可以有效地提高地震勘探大数据样本的采集效率,从而满足地震勘探智能化应用需求.

针对以前的测并解释工作存在的不足,通过研究不同层级的地质对象解释模型分类技术,分析了解释模型包含的内容和形式,建立了多维度的分类存储机制,建设测井解释模型库.

分析了油田企业在数据、应用多方面集成的必要性,研究了多系统协作集成策略、插件式松紧耦合集成策略,制定了集成平台建设原则,形成了系统、模块、组件的接口开发规范,研究了基于ESB的四层油田业务应用集成框架,初步实现了油田企业应用集成平台,并在该平台上对油田企业现有业务应用进行了初步的集成应用.

通过论述数字油气田建设的主要内容,分析了集成技术在数字油气田建设中的重要性,并重点阐述了插件式集成解决方案的实现过程。插件式集成框架在数字油气田应用系统集成方面进行了实践应用,取得了较好的应用效果,解决了独立分散、业务功能专一的油田业务软件的集成问题,形成了具有多种数据服务方式和勘探开发决策支持功能的数字油气田应用系统,能够满足油田勘探开发一体化的应用需求。插件式集成框架具有较好的通用性,能够解决其它领域的应用集成问题,同时,又由于它具有较强的扩展性,因此,数字油气田应用系统能够满足日益增长的油田业务功能的集成需求。

随着油气田勘探开发的进一步发展,对信息化提出了更高的要求。本文分析了油田企业国内外信息化发展现状,比较了常见集成方式的优劣,结合油田实际,提出了一种基于ESB的四层油田业务应用集成框架,并用其初步实现了油田业务应用集成。

随着油气田勘探开发的进一步发展,对信息化提出了更高的要求。本文分析了油田企业国内外信息化发展现状,比较了常见集成方式的优劣,结合油田实际,提出了一种基于ESB的四层油田业务应用集成框架,并用其初步实现了油田业务应用集成。

软件需求分析是软件工程的重要一环。现有软件需求分析方法还没有在避免由于使用自然语言可能产生的二义性和避免仅使用一般人不易理解的软件需求分析工具上令人满意。为此,利用自然语言和必要的图形实现了二者的兼顾。该方法适用于需求获取和早期需求分析,也能与其它建模工具一起使用。

塔里木盆地三道桥东地区经历过强烈的构造运动,地层超覆、削截关系复杂,构造幅度低。7口探井的测试结果表明工区有效圈闭落实存在较大难度。利用Explorer变速成图软件对该区目标层位顶面构造进行建模,在目标区域发现数个低幅度构造圈闭,取得了较好的应用实效,提高了传统方法在地震资料控制下建立地质模型的精度,具有良好的推广应用前景。

Oil and gas resources are rich in Yakela area of Tarim Basin,but the accumulation rule was not recognized obviously.The authors did the research on seismic comprehensive prediction for Jurassic sandstone reservoir in extension and its physical property.The inversion of pseudo-acoustic curves and spectrum imaging technology were made by means of post-stack pure wave seismic data in order to depict vertical and horizontal distribution of sandstone.On the basis of which,the impedance inversion of prestack elastic waves including the P-wave and S-wave impedance,distribution characteristics of Lame coefficient and liquid detection technique of high frequency absorption attenuation for target reservoir were developed to analyze the seismic response characteristics for different lithological,physical and petroliferous properties.The technology of seismic reservoir prediction depicted the distribution of effective reservoir of Lower Jurassic sandstone in the studied area,in order to search for petroleum exploration favorable target.

Oil-gas exploration is a high risk and investment industry,which is technology intensive and capital intensive.Discussion of complete drill well is one of the most important steps in exploration decision,and the decision about the stratum containing oil-gas or not is the crucial issue.However,the current method,which is mainly relying on experts' experiences,has some disadvantages like strong subjectivity,difficult heritage,and plenty of time consumption.To overcome these difficulties,this paper proposes an intelligent decision system for stratum oil-gas prediction based on multiple classifier combination,PClassifier.The system combines decision tree,support vector machine and k nearest neighbor classification and improves the precise of the classification.Experiments verify that the combination method can decide whether the stratum containing oil-gas more effectively,and help to make a decision more conveniently.