辛麗麗，李 吟，香明賢

（新疆油田公司數(shù)據(jù)公司，新疆 克拉瑪依 834000）

0 引言

油田的數(shù)字化、智能化轉(zhuǎn)型發(fā)展離不開互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)技術(shù)的支持，石油企業(yè)需要聚焦行業(yè)最新技術(shù)成果，積極將大數(shù)據(jù)技術(shù)引入油田開發(fā)工作中，將大數(shù)據(jù)技術(shù)與人工智能相融合，實現(xiàn)油田開發(fā)中大數(shù)據(jù)技術(shù)的高效應(yīng)用，為油田的開發(fā)和企業(yè)的整體發(fā)展提供更多支持。在發(fā)展過程中，油田企業(yè)需要充分挖掘油田開發(fā)過程中油田數(shù)據(jù)的價值，為油田開發(fā)方案的優(yōu)化提供更有效的數(shù)據(jù)支持，提升數(shù)據(jù)分析效率。同時，石油企業(yè)也需要積極引進人工智能技術(shù)，構(gòu)建以大數(shù)據(jù)為基礎(chǔ)的油田開發(fā)數(shù)據(jù)管理和挖掘的智能化平臺。

1 大數(shù)據(jù)技術(shù)在油田開發(fā)中的應(yīng)用價值

大數(shù)據(jù)技術(shù)在信息化時代具有極其重要的作用，被眾多行業(yè)應(yīng)用。各行業(yè)人員可以通過數(shù)據(jù)庫和大數(shù)據(jù)技術(shù)實現(xiàn)對海量信息數(shù)據(jù)的存儲、管理，通過業(yè)務(wù)分析、大數(shù)據(jù)、人工智能、機器學(xué)習(xí)以及數(shù)據(jù)挖掘等技術(shù)將數(shù)據(jù)庫中業(yè)務(wù)相關(guān)數(shù)據(jù)的規(guī)律進行歸納、分析和總結(jié)，為企業(yè)的決策規(guī)劃提供支持，助力企業(yè)生產(chǎn)發(fā)展效率快速提升。

在油田開發(fā)過程中，大數(shù)據(jù)技術(shù)能夠從效益、效率和安全等多個領(lǐng)域為油田發(fā)展提供助力。在數(shù)據(jù)管理過程中，油田開發(fā)工作人員可以借助大數(shù)據(jù)技術(shù)實現(xiàn)對數(shù)據(jù)的高效分析，不僅可以對數(shù)據(jù)庫中的油田開發(fā)數(shù)據(jù)進行有針對性的分析，最終發(fā)揮各業(yè)務(wù)部門相關(guān)數(shù)據(jù)的價值；還可以實現(xiàn)對各業(yè)務(wù)模塊資源的高效整合，提升石油企業(yè)資源的利用效率。同時，在大數(shù)據(jù)技術(shù)的支持下，油田的生產(chǎn)經(jīng)營效益將進一步提升。日積月累的數(shù)據(jù)信息成為大數(shù)據(jù)技術(shù)的應(yīng)用基礎(chǔ)，在大數(shù)據(jù)技術(shù)的支持下，各業(yè)務(wù)流程的管理工作更加高效和精細；在精細化、高效管理模式的支持下，油田的生產(chǎn)經(jīng)營效益將大幅度增加。在油田安全生產(chǎn)方面，大數(shù)據(jù)技術(shù)能夠?qū)τ吞镩_發(fā)相關(guān)生產(chǎn)數(shù)據(jù)信息進行歸納總結(jié)，形成更安全可靠的生產(chǎn)管理方案，輔助工作人員排查并解決現(xiàn)有的生產(chǎn)風(fēng)險與隱患，為油田的開發(fā)和安全生產(chǎn)提供助力。

2 油田開發(fā)中相關(guān)數(shù)據(jù)的特點

油田開發(fā)中的數(shù)據(jù)特點主要包含6 個方面，分別為規(guī)?；?、多樣性、真實性、高速性、多變性以及價值性。規(guī)?；侵赣吞镩_發(fā)中相關(guān)數(shù)據(jù)量極其龐大，如國內(nèi)石油上游工程具有約45 萬口油井、上百萬測井文件、600 多個油氣藏，工程建設(shè)期間產(chǎn)生的數(shù)據(jù)量達到PB 級（存儲單位）。在多樣性方面，上述PB 級的數(shù)據(jù)中包括測井路基、油田勘探開發(fā)、鉆井報告、地震解釋、巖心圖片等方面多樣化的數(shù)據(jù)，涉及不同領(lǐng)域大量的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)。在真實性和高速性方面，大量油田積極將物聯(lián)網(wǎng)技術(shù)與油田開發(fā)生產(chǎn)工作相結(jié)合，通過傳感器技術(shù)、網(wǎng)絡(luò)通信技術(shù)實時傳輸現(xiàn)場監(jiān)測數(shù)據(jù)，在確保數(shù)據(jù)結(jié)果真實可靠的同時，有效提升了數(shù)據(jù)獲取的高速性。在多變性方面，油田開發(fā)期間往往會因現(xiàn)場操作方法不一致和所開發(fā)油藏結(jié)果的復(fù)雜性等多種因素，導(dǎo)致最終得到的油田勘探開發(fā)相關(guān)數(shù)據(jù)存在不確定性，即多變性。價值性是將大數(shù)據(jù)技術(shù)應(yīng)用到油田開發(fā)工作中的重要因素。油田開發(fā)過程中，工作人員能夠借助大數(shù)據(jù)技術(shù)將測井與錄井數(shù)據(jù)的價值發(fā)揮出來，實現(xiàn)對儲層物性參數(shù)的精準預(yù)測，為油田開發(fā)效率的提升提供助力。在油田開發(fā)數(shù)據(jù)應(yīng)用期間，油田管理人員需要在數(shù)據(jù)真實的基礎(chǔ)上，將具有高速性、多樣性、規(guī)?；忍卣鞯臄?shù)據(jù)進行融合，借助人工智能、大數(shù)據(jù)等相關(guān)技術(shù)對存在多變性的數(shù)據(jù)進行深入分析，實現(xiàn)對油田開發(fā)數(shù)據(jù)價值的充分挖掘。

3 大數(shù)據(jù)技術(shù)在油田開發(fā)中的應(yīng)用

油田企業(yè)在發(fā)掘油田開發(fā)相關(guān)數(shù)據(jù)的過程中，需要積極推進人工智能與大數(shù)據(jù)技術(shù)的融合，借助更高效的數(shù)據(jù)分析技術(shù)為油田開發(fā)方案的優(yōu)化提供精準指引，加強對開發(fā)時間久、油藏類型多的油田進行數(shù)據(jù)挖掘，實現(xiàn)油田開發(fā)生產(chǎn)經(jīng)驗的歸納總結(jié)。在油田開發(fā)過程中，油田開發(fā)工作人員可以借助大數(shù)據(jù)技術(shù)開展數(shù)據(jù)清洗融合、數(shù)據(jù)挖掘應(yīng)用、生產(chǎn)指標預(yù)測、決策方案優(yōu)化等相關(guān)工作。

3.1 數(shù)據(jù)清洗融合

油田開發(fā)過程中，油田企業(yè)需要重點解決“數(shù)據(jù)孤島”問題，對于與油田開發(fā)存在關(guān)聯(lián)的鉆井、物探、測井、錄井、試采等各項工作形成的數(shù)據(jù)，油田企業(yè)要避免通過獨立的數(shù)據(jù)庫進行存儲和應(yīng)用，而應(yīng)結(jié)合各部門的工作需求對具有相同屬性的不同業(yè)務(wù)數(shù)據(jù)進行深入分析，避免因?qū)I(yè)角度存在偏差導(dǎo)致各業(yè)務(wù)部門對數(shù)據(jù)的應(yīng)用方向產(chǎn)生較大偏差，同時避免影響后續(xù)的數(shù)據(jù)應(yīng)用。在油田開發(fā)過程中，油田企業(yè)需借助大數(shù)據(jù)技術(shù)清洗、融合各業(yè)務(wù)部門的相關(guān)數(shù)據(jù)，在油田企業(yè)現(xiàn)有數(shù)據(jù)庫的基礎(chǔ)上，建立相應(yīng)的大數(shù)據(jù)分析平臺，實現(xiàn)對非結(jié)構(gòu)、半結(jié)構(gòu)、結(jié)構(gòu)化等各類數(shù)據(jù)的存儲和分析，通過統(tǒng)計理論、人機結(jié)合、數(shù)據(jù)完整性約束等技術(shù)方法將共享數(shù)據(jù)庫中的數(shù)據(jù)進行清洗，消除冗余、失真、沖突數(shù)據(jù)的影響，根據(jù)專家決策意見為各類數(shù)據(jù)的轉(zhuǎn)化融合建立量化的邏輯聯(lián)系，充分發(fā)揮油田開發(fā)中數(shù)據(jù)的價值。

3.2 數(shù)據(jù)挖掘應(yīng)用

油田開發(fā)數(shù)據(jù)的挖掘應(yīng)用需要借助人工智能與大數(shù)據(jù)技術(shù)來實現(xiàn)，油田開發(fā)工作人員可以借助高質(zhì)量、大規(guī)模的油田開發(fā)相關(guān)數(shù)據(jù)對油田開發(fā)相關(guān)工作進行預(yù)測分析。例如，某油田的開發(fā)工作人員采用機器學(xué)習(xí)的方式在人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）中輸入巖石參數(shù)，最終分析得到水油相對滲透率等相關(guān)數(shù)據(jù)結(jié)果；相關(guān)研究人員通過大數(shù)據(jù)技術(shù)對巖心實驗相關(guān)的數(shù)據(jù)進行挖掘應(yīng)用，最終預(yù)測了測井跨尺度建模情況，重構(gòu)了油井眼的精準開發(fā)曲線。在油田開發(fā)數(shù)據(jù)挖掘過程中，油田工作人員可以借助大數(shù)據(jù)技術(shù)建立與相對滲透率、測井數(shù)據(jù)、巖心數(shù)據(jù)相關(guān)的預(yù)測模型，借助地層流體組分檢測數(shù)據(jù)結(jié)果對爐體特征參數(shù)進行預(yù)測，實現(xiàn)對油水滲流差異情況的精準預(yù)測。相關(guān)研究成果指出，在借助油田開發(fā)數(shù)據(jù)和大數(shù)據(jù)技術(shù)預(yù)測相對滲透率曲線時，油田工作人員應(yīng)將流體黏度、滲透率、孔隙度、油井深度、井位坐標等不同數(shù)據(jù)的價值發(fā)掘出來，從而獲取更精準的預(yù)測結(jié)果。

3.3 大數(shù)據(jù)技術(shù)在油田開發(fā)業(yè)務(wù)中的具體應(yīng)用

3.3.1 生產(chǎn)指標預(yù)測

油田開發(fā)的主要指標包括累積產(chǎn)油量、遞減率、初期產(chǎn)油量等，各類指標數(shù)據(jù)的預(yù)測對于開發(fā)方案的優(yōu)化改進具有積極意義。傳統(tǒng)油田開發(fā)過程中，工作人員對于開發(fā)指標的預(yù)測通常需要借助油藏工程、數(shù)值模擬等技術(shù)手段來完成，但傳統(tǒng)技術(shù)方法存在精度低、效率低、成本高等問題，對于油田的高效開發(fā)缺乏助力。

油田企業(yè)通過模式識別的方式對油田開發(fā)期間形成的各類數(shù)據(jù)信息進行價值挖掘，將數(shù)值模擬等傳統(tǒng)方法替換為單井代理模型，能夠精準、高效地預(yù)測油田產(chǎn)油量、分布情況等相關(guān)信息。例如，在實際操作時，油田企業(yè)工作人員可以在深度學(xué)習(xí)的基礎(chǔ)上建立多層卷積神經(jīng)網(wǎng)絡(luò)，快速預(yù)測油田剩余石油的分布情況；可以通過LSTM 建立預(yù)測油田產(chǎn)能的模型，結(jié)合歷史采油數(shù)據(jù)對其產(chǎn)油量進行預(yù)測；可以通過人工神經(jīng)網(wǎng)絡(luò)算法建立能夠預(yù)測油井底部壓力數(shù)值的模型，在模型中輸入油井開發(fā)期間監(jiān)測得到的油氣密度、井底溫度、油氣水產(chǎn)量、油氣黏度、溶解汽油比、井筒直徑等各類參數(shù)信息，最終在直井多相滲流情況下，經(jīng)過模型訓(xùn)練得到井底流壓數(shù)據(jù)參數(shù)。

測試結(jié)果表明，深度學(xué)習(xí)、機器學(xué)習(xí)相關(guān)算法雖然在訓(xùn)練集中能將誤差控制在9%～15%的范圍內(nèi)，擬合效果較好，但是在測試集中存在較大偏差，而且偏差數(shù)值隨著時間的延長逐漸增加。針對這一情況，油田相關(guān)技術(shù)人員需要充分考慮模型的研究方向，一方面可以提升通用預(yù)測模型在不同油藏、不同階段各類指標的預(yù)測效果，另一方面建立適用于單一油藏精準預(yù)測的專用模型。油田工作人員需要對不同油藏、井組、單井間的差異性進行研究分析，確認結(jié)合油藏工程建立的樣本是否具備全面的特征，樣本如何反饋部分難以量化的外界干擾、關(guān)井周期等因素條件。油田工作人員還需要考慮實測數(shù)據(jù)與模型模擬樣本的具體應(yīng)用方式。

在生產(chǎn)指標預(yù)測期間，油田工作人員需要積極改進機器學(xué)習(xí)算法存在的訓(xùn)練效率低、模型復(fù)雜等問題。在油田開發(fā)數(shù)據(jù)分析過程中，需要結(jié)合時序特征對數(shù)據(jù)信息開展聚類分析工作，從原油年度、儲層厚度及滲透率3 個方面對數(shù)據(jù)集類別進行劃分，并將油田開發(fā)期間形成的實時動態(tài)數(shù)據(jù)分段，分別開展相應(yīng)的建模分析工作，實現(xiàn)指標預(yù)測效率的進一步提升。同時，工作人員還需要針對動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)兩種數(shù)據(jù)類型建立相應(yīng)的數(shù)據(jù)融合模塊，將油田開發(fā)措施、開發(fā)動態(tài)、井內(nèi)地質(zhì)等數(shù)據(jù)匯總?cè)诤?，將整合的?shù)據(jù)用于單井產(chǎn)量相關(guān)生產(chǎn)指標的預(yù)測。此外，通過大數(shù)據(jù)技術(shù)中的數(shù)據(jù)清洗轉(zhuǎn)化技術(shù)，油田工作人員能夠?qū)崿F(xiàn)對生產(chǎn)指標預(yù)測相關(guān)大數(shù)據(jù)的預(yù)處理，在實際操作時需將有無措施作為不同的預(yù)測指標，有針對性地設(shè)計不同的數(shù)據(jù)分割方法，為單井開發(fā)生產(chǎn)指標預(yù)測提供樣本數(shù)據(jù)庫，最終在重復(fù)的數(shù)據(jù)轉(zhuǎn)換、變量分析過程中，從數(shù)據(jù)指標中篩選得到有價值的特征參數(shù)。

3.3.2 油田開發(fā)方案優(yōu)化改進

油田開發(fā)方案的優(yōu)化改進主要從注采量、井位、層析組合等方面進行，優(yōu)化改進工作通?？梢砸揽繉v史數(shù)據(jù)的模擬分析來實現(xiàn)，但常規(guī)數(shù)值模擬技術(shù)的方式存在收斂速度慢、求解困難的問題。為解決開發(fā)方案優(yōu)化期間模擬計算的難題，油田工作人員可以借助代理模型實現(xiàn)計算效率的大幅度提升，為油田開發(fā)方案的動態(tài)優(yōu)化改進提供助力。在實際操作時，油田工作人員需要合理應(yīng)用大數(shù)據(jù)技術(shù)中的人工智能算法構(gòu)建與油田開發(fā)相關(guān)的指標預(yù)測模型，依靠優(yōu)化方法和目標對歷史數(shù)據(jù)進行快速擬合，實現(xiàn)對開發(fā)方案的優(yōu)化。歷史擬合過程中，工作人員可以將主成分分析工作與神經(jīng)網(wǎng)絡(luò)算法融合應(yīng)用，根據(jù)模擬得到訓(xùn)練數(shù)據(jù)，能夠?qū)v史擬合結(jié)果的神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測，同時根據(jù)優(yōu)化方法選取最佳的油藏模型參數(shù)，在此基礎(chǔ)上，還可以借助遺傳算法進一步優(yōu)化油藏注采參數(shù)，最終借助代理模型優(yōu)化完井策略，促使水平井以最佳產(chǎn)能產(chǎn)出原油。

4 結(jié)語

油田企業(yè)需要加強對大數(shù)據(jù)技術(shù)的重視，在利用物聯(lián)網(wǎng)相關(guān)技術(shù)不斷收集油田開發(fā)靜態(tài)與動態(tài)數(shù)據(jù)的同時，也需要利用大數(shù)據(jù)技術(shù)對數(shù)據(jù)進行清理融合，構(gòu)建多領(lǐng)域高質(zhì)量的數(shù)據(jù)庫，并通過大數(shù)據(jù)相關(guān)算法對數(shù)據(jù)價值進行深度挖掘，為油田開發(fā)工作提供生產(chǎn)指標預(yù)測、開發(fā)方案優(yōu)化等服務(wù)，推動油田可持續(xù)建設(shè)與發(fā)展。