王娟 蔡亮 竇敬 姜淇

摘要：當(dāng)今對于石油行業(yè)這些將信息視為命脈的企業(yè)來說，如何對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行合理的存儲和管理成為值得關(guān)注的問題之一。目前，國外油氣田非結(jié)構(gòu)化業(yè)務(wù)成果展示基本分散在不同的專業(yè)軟件中，沒有提供集中統(tǒng)一的Web端展示。而國內(nèi)油氣田非結(jié)構(gòu)化業(yè)務(wù)成果展示也分散在不同的專業(yè)軟件中。換句話說，國內(nèi)油氣田非結(jié)構(gòu)化成果數(shù)據(jù)庫平臺亟待開發(fā)。因此，文章旨在研究和設(shè)計油氣田非結(jié)構(gòu)化成果數(shù)據(jù)庫，同時圍繞數(shù)字油田具體的應(yīng)用需求，對系統(tǒng)中涉及的一些關(guān)鍵點進(jìn)行了深入研究。

關(guān)鍵詞：油田數(shù)字化；非結(jié)構(gòu)化數(shù)據(jù)；數(shù)據(jù)庫設(shè)計；軟件平臺設(shè)計

中圖分類號：TP311? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2024）08-0085-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）

0 引言

長慶油田勘探開發(fā)過程中產(chǎn)生大量非結(jié)構(gòu)化數(shù)據(jù)，包括四性關(guān)系卡片、測井藍(lán)圖、錄井綜合圖、試油（氣）地質(zhì)設(shè)計、巖心照片、老井措施總結(jié)報告等三百余類，格式多樣。這些數(shù)據(jù)的查看和展示需要支持跨平臺、跨設(shè)備、兼容各種瀏覽器。同時支持圖件的放大、縮小、旋轉(zhuǎn)、拖拽等操作，以及圖件的標(biāo)注、數(shù)據(jù)疊加、搜索、權(quán)限控制等功能[1]。因此，需要開展數(shù)據(jù)智能標(biāo)注技術(shù)研究，形成一套高性能、安全的多終端成果展示與數(shù)據(jù)交互關(guān)聯(lián)技術(shù)，作為通用技術(shù)中臺，與長慶夢想云平臺進(jìn)行集成，為各類非結(jié)構(gòu)化數(shù)據(jù)應(yīng)用提供支撐[2-3]。

然而，工程專業(yè)技術(shù)服務(wù)行業(yè)的發(fā)展空間與工程建設(shè)投資之間存在著緊密的聯(lián)系，國民經(jīng)濟持續(xù)發(fā)展和固定資產(chǎn)投資快速增長是牽引工程勘察設(shè)計行業(yè)快速發(fā)展的源動力[4]。多年以來，我國全社會固定資產(chǎn)投資保持了持續(xù)增長的勢頭。未來我國固定資產(chǎn)投資規(guī)模仍將保持較高的增速。與之緊密相關(guān)的工程專業(yè)技術(shù)服務(wù)行業(yè)仍然具有較好的市場前景[5]。因此，為了更好地支持科研和生產(chǎn)，需要研究基于H5的油氣田非結(jié)構(gòu)化成果展示技術(shù)，研究基于H5的大型圖片切片預(yù)覽技術(shù)，研究基于H5的在線圖文標(biāo)注技術(shù)，還需要研究基于長慶油田云環(huán)境的分布式文檔存儲技術(shù)。

1 非結(jié)構(gòu)化成果數(shù)據(jù)庫

1.1 數(shù)據(jù)的概述

實際上，在現(xiàn)實中，數(shù)據(jù)的存儲并非目的，而是為了合理利用。數(shù)據(jù)的應(yīng)用從一個側(cè)面來說就是為了能夠被讀懂，無論是人類可讀還是機器可讀。結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)決定了不同的處理方式。結(jié)構(gòu)化的數(shù)據(jù)可以用于查詢、加減乘除等數(shù)學(xué)運算、相等、比較大小、與或非等邏輯運算，還包括計算、求和等統(tǒng)計運算。而非結(jié)構(gòu)化數(shù)據(jù)則往往需要還原出來，供人們觀看、聽取，如文章、圖片、聲音、視頻等。人們可以理解這些信息，然后指導(dǎo)機器進(jìn)行拼裝、刪除、添加、剪輯等處理。

如果機器要分析這些數(shù)據(jù)，則需采用OCR等技術(shù)來識別圖片中的文字，NLP等技術(shù)來識別文字的詞性或含義。因此，非結(jié)構(gòu)化數(shù)據(jù)的處理方式與處理數(shù)據(jù)庫的技術(shù)完全不同。例如，一篇純文本文章存入數(shù)據(jù)庫后，結(jié)構(gòu)化處理工具只能將其視為一個整體進(jìn)行處理，這表明純文本并不一定是結(jié)構(gòu)化數(shù)據(jù)。舉個例子，在學(xué)術(shù)領(lǐng)域中，讓機器準(zhǔn)確判斷一個人名的姓和名的任務(wù)并不容易。不能簡單地假設(shè)姓氏在名字的左邊一個字，名字的右邊兩個字。這涉及需要對復(fù)姓的存在進(jìn)行深入了解。例如，“歐陽”和“西門”是復(fù)姓，而“歐陽修”和“西門慶”是古時較為出名的姓名。人們之所以知道“歐陽修”是姓“歐陽”，是因為他是復(fù)姓。因此，我們需要先收集所有的復(fù)姓。對于原始的三字姓名，我們可以先判斷前兩個字是否為復(fù)姓，即它們是否在復(fù)姓表中。如果是，則可以確定前兩個字是姓，最后一個字是名（即2+1） ；如果不在復(fù)姓表中，則可以確定第一個字是姓，后面兩個字是名（即1+2） 。然而，不能每次都認(rèn)為左邊兩個字“歐陽”一定是姓“歐陽”，因為“歐陽某”也有可能是單姓“歐”，名“陽某”。同理，“夏候某”可能姓“夏侯”，也可能姓“夏”。通過這個例子，可以體會到非結(jié)構(gòu)化數(shù)據(jù)帶來的拆分和處理的難題。

1.2 非結(jié)構(gòu)化數(shù)據(jù)的概述

非結(jié)構(gòu)化數(shù)據(jù)其格式非常多樣，標(biāo)準(zhǔn)也是多樣性的。而且在技術(shù)上，非結(jié)構(gòu)化信息比結(jié)構(gòu)化信息更難標(biāo)準(zhǔn)化和理解。因此，存儲、檢索、發(fā)布以及利用需要更加智能化的IT技術(shù)，比如海量存儲、智能檢索、知識挖掘、內(nèi)容保護、信息的增值開發(fā)利用等。簡單地說，非結(jié)構(gòu)化數(shù)據(jù)主要指那些無法用固定結(jié)構(gòu)來邏輯表達(dá)實現(xiàn)的數(shù)據(jù)，比如用戶散落在論壇、微博、微信或其他渠道發(fā)表的關(guān)于產(chǎn)品的各種評價或吐槽。然而，國內(nèi)的企業(yè)級客戶在進(jìn)行大數(shù)據(jù)分析時，仍以分析結(jié)構(gòu)化數(shù)據(jù)為主。

再具體到典型案例中，例如醫(yī)療影像系統(tǒng)、教育視頻點播、視頻監(jiān)控、國土GIS、設(shè)計院、文件服務(wù)器（PDM/FTP） 、媒體資源管理等具體應(yīng)用，這些行業(yè)對于存儲需求包括數(shù)據(jù)存儲、數(shù)據(jù)備份以及數(shù)據(jù)共享等。而且，從形態(tài)上，非結(jié)構(gòu)化數(shù)據(jù)主要包含三大塊：第一是文本文字；第二是圖像、圖片等；第三是視頻流、電視流。和結(jié)構(gòu)化數(shù)據(jù)相比，非結(jié)構(gòu)化數(shù)據(jù)最本質(zhì)的區(qū)別包括三個層面：非結(jié)構(gòu)化數(shù)據(jù)的容量比結(jié)構(gòu)化數(shù)據(jù)要大，產(chǎn)生的速度比結(jié)構(gòu)化數(shù)據(jù)要快，數(shù)據(jù)來源具有多樣性。

根據(jù)IDC的調(diào)查，目前企業(yè)結(jié)構(gòu)化數(shù)據(jù)僅占到全部數(shù)據(jù)量的20%，其余80%都是以文件形式存在的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，這些非結(jié)構(gòu)化數(shù)據(jù)每年增長率達(dá)60%。如何管理好這80%的數(shù)據(jù)，是企業(yè)構(gòu)建協(xié)同辦公的關(guān)鍵一環(huán)。非結(jié)構(gòu)化數(shù)據(jù)的存儲和流轉(zhuǎn)主要采用郵件、FTP以及QQ等IM工具。然而，這些工具傳遞文件時速度不穩(wěn)定，安全性得不到保障，并且無法很好地滿足企業(yè)中一對多的高頻數(shù)據(jù)傳遞場景。

由于非結(jié)構(gòu)化數(shù)據(jù)中沒有限定的結(jié)構(gòu)形式，表示靈活，蘊含了豐富的信息。因此，在大數(shù)據(jù)分析挖掘中，掌握非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)是至關(guān)重要的。處理非結(jié)構(gòu)化數(shù)據(jù)包括：Web頁面信息內(nèi)容提??；結(jié)構(gòu)化處理（包括文本的詞匯切分、詞性分析、歧義處理等）；語義處理（包括實體提取、詞匯相關(guān)度、句子相關(guān)度、篇章相關(guān)度、句法分析等）；文本建模（包括向量空間模型、主題模型等）；隱私保護（包括社交網(wǎng)絡(luò)的連接型數(shù)據(jù)處理、位置軌跡型數(shù)據(jù)處理等）。處理非結(jié)構(gòu)化數(shù)據(jù)時，還需注意這幾點：非結(jié)構(gòu)化數(shù)據(jù)文件數(shù)量過多、過大；非結(jié)構(gòu)化數(shù)據(jù)歸集檢索調(diào)取效率低；傳統(tǒng)架構(gòu)無法按需彈性配置存儲空間。

2 數(shù)據(jù)庫設(shè)計前期工作

2.1 設(shè)計的數(shù)據(jù)需求

經(jīng)過對開發(fā)研究業(yè)務(wù)過程中對數(shù)據(jù)的需求，在總體上可分為兩大類。其一是對基礎(chǔ)數(shù)據(jù)的需求，包括油氣田公司已經(jīng)形成的專業(yè)基礎(chǔ)數(shù)據(jù)，如物探、鉆井、錄井、測井、試油、分析化驗、油氣田生產(chǎn)，井下作業(yè)等數(shù)據(jù)。另一類為研究過程中產(chǎn)生的成果數(shù)據(jù)。在這里，重點論述開發(fā)綜合研究對研究成果數(shù)據(jù)的需求。

在開發(fā)綜合研究過程中，各類研究成果數(shù)據(jù)附有必要的屬性（素引）信息，使盆地諸要素有機地組織在一起，實現(xiàn)盆地地質(zhì)體的多維可視化表征和展示。首先是地質(zhì)目標(biāo)的空間信息，包括盆地、構(gòu)造單元、工區(qū)、區(qū)塊、層位、井等的空間位置信息，展示分析時用相關(guān)數(shù)據(jù)在三維空間上的投放和展示。其次是專業(yè)研究信息，包括地層、構(gòu)造、沉積、儲層、油氣田藏等專業(yè)分類，展示分析時由這些信息支持按照研究專題進(jìn)行數(shù)據(jù)提取和投放展示。再其次是研究業(yè)務(wù)信息，包括油氣田開發(fā)研究中的開發(fā)方案編制、精細(xì)油藏描述研究等，支持研究成果數(shù)據(jù)按照研究業(yè)務(wù)進(jìn)行投放和展示分析。此外，研究成果數(shù)據(jù)可以按照研究項目、業(yè)務(wù)組織結(jié)構(gòu)等進(jìn)行投放展示，從多方位展示開發(fā)研究成果，滿足研究和決策管理的應(yīng)用需求。開發(fā)綜合研究需要各研究階段的成果圖件、成果附表、成果數(shù)據(jù)體、成果報告和多媒體。

2.2 設(shè)計的技術(shù)架構(gòu)

油氣田開發(fā)研究成果數(shù)據(jù)建設(shè)體現(xiàn)在與業(yè)務(wù)相結(jié)合的特點，以油田中心數(shù)據(jù)庫和A1、A2數(shù)據(jù)庫為數(shù)據(jù)源，通過系統(tǒng)提供的數(shù)據(jù)管理與服務(wù)平臺推送專題研究需要的數(shù)據(jù)。業(yè)務(wù)人員在研究工作空間中開展專題研究工作，形成的研究成果歸檔到研究成果數(shù)據(jù)庫。以地層劃分、沉積研究和試油試采生產(chǎn)分析業(yè)務(wù)工作為例，開展開發(fā)研究成果數(shù)據(jù)建設(shè)架構(gòu)設(shè)計。

2.3 設(shè)計的質(zhì)量控制

在進(jìn)行地質(zhì)與油藏工程軟件測試與管理業(yè)務(wù)時，本研究采取以下合理的質(zhì)量控制方法。

1） 設(shè)定明確的測試目標(biāo)和標(biāo)準(zhǔn)：在開始測試之前，確保所有測試人員了解測試目標(biāo)和標(biāo)準(zhǔn)，以便能夠正確評估軟件的質(zhì)量。

2） 制定詳細(xì)的測試計劃：制定詳細(xì)的測試計劃，包括測試范圍、測試環(huán)境、測試方法和測試資源等信息，以確保測試的全面性和有效性。

3） 進(jìn)行全面的功能測試：對軟件的各項功能進(jìn)行全面測試，包括輸入輸出測試、功能性測試、兼容性測試等，以確保軟件功能的完整性和正確性。

4） 進(jìn)行性能測試：對軟件的性能進(jìn)行測試，包括負(fù)載測試、壓力測試和穩(wěn)定性測試等，以確保軟件在實際使用情況下的性能穩(wěn)定性和可靠性。

5） 進(jìn)行安全性測試：對軟件的安全性進(jìn)行測試，包括漏洞測試、權(quán)限測試和數(shù)據(jù)安全性測試等，以確保軟件在使用過程中的安全性和可信度。

2.4 設(shè)計的風(fēng)險評估

針對實施過程中可能發(fā)生的風(fēng)險，本研究采取以下切實可行的風(fēng)險評估、管理辦法及應(yīng)對措施：

風(fēng)險評估：在項目開始之前，對可能發(fā)生的風(fēng)險進(jìn)行評估，包括技術(shù)風(fēng)險、成本風(fēng)險和進(jìn)度風(fēng)險等，以確定風(fēng)險的影響程度和發(fā)生概率。

風(fēng)險管理：制定詳細(xì)的風(fēng)險管理計劃，包括風(fēng)險識別、風(fēng)險分析、風(fēng)險控制和風(fēng)險監(jiān)控等，以確保項目能夠及時應(yīng)對和控制風(fēng)險。

應(yīng)對措施：根據(jù)風(fēng)險的影響程度和發(fā)生概率，制定相應(yīng)的應(yīng)對措施，包括風(fēng)險避免、風(fēng)險轉(zhuǎn)移、風(fēng)險緩解和風(fēng)險接受等，以減輕風(fēng)險帶來的影響。

風(fēng)險跟蹤與監(jiān)控：定期跟蹤和監(jiān)控項目中存在的風(fēng)險，及時更新風(fēng)險管理計劃，并采取相應(yīng)的措施來控制和應(yīng)對風(fēng)險的發(fā)生。

總之通過合理的質(zhì)量控制方法和科學(xué)的風(fēng)險評估、管理辦法及應(yīng)對措施，可以提高地質(zhì)與油藏工程軟件測試與管理業(yè)務(wù)的質(zhì)量和效率，降低項目風(fēng)險帶來的影響。

3 系統(tǒng)設(shè)計思路

3.1 設(shè)計思路

一體化的設(shè)計思路。要完成企業(yè)信息的一體化建立，首先需雙方共同協(xié)商討論，建立統(tǒng)一的企業(yè)信息化標(biāo)準(zhǔn)模型，對企業(yè)所有的業(yè)務(wù)規(guī)范、接口規(guī)范、管理規(guī)范、命名規(guī)范，以及各系統(tǒng)之間的對接關(guān)系建立統(tǒng)一的標(biāo)準(zhǔn)模型。為各個系統(tǒng)建立統(tǒng)一的數(shù)據(jù)存儲中心，搭建統(tǒng)一的數(shù)據(jù)交換平臺。采用分級處理，統(tǒng)一匯總的企業(yè)信息存儲中心。

定制化與產(chǎn)品化結(jié)合的設(shè)計思路。針對長慶油田的實際情況分析，在所有的系統(tǒng)中，將采用定制化軟件與成熟產(chǎn)品化軟件相互結(jié)合的設(shè)計思路。按需定制功能，模塊擴展靈活，基于H5的油氣田開發(fā)成果綜合展示技術(shù)研究項目這一課題與本研究以往接觸的項目有很多相似之處。借鑒以往的開發(fā)經(jīng)驗并與本次項目建設(shè)相互融合，打造一套定制化的系統(tǒng)，以客戶需求為導(dǎo)向，避免軟件功能的閑置，最大限度地滿足用戶的需求以及行業(yè)的特殊性。

可擴展性的設(shè)計思路?？蓴U展設(shè)計的價值觀不應(yīng)是現(xiàn)在解決將來的問題，而是尋求未來發(fā)展之后現(xiàn)在的解決方案是否仍然有效，是否仍然可以被繼承擴展而適應(yīng)新的需求。即本研究考慮的不是將未來的解納入到現(xiàn)在的體系中，而是考慮現(xiàn)在的解決方案在未來體系中的位置。

3.2 設(shè)計流程及方法

本研究嚴(yán)格按照軟件工程方式方法，按計劃分步驟實施本系統(tǒng)。根據(jù)調(diào)研需求和軟件開發(fā)流程以及客戶系統(tǒng)實施時間要求等各方面因素綜合考慮后，項目開發(fā)實施分為以下幾個步驟。

1） 詳細(xì)需求調(diào)研：主要就系統(tǒng)的業(yè)務(wù)范疇和使用人員作詳細(xì)的溝通討論，最終在完全理解所有需求的情況下，開始進(jìn)入下一環(huán)節(jié)。

2） 系統(tǒng)詳細(xì)設(shè)計文檔編寫：詳細(xì)設(shè)計文檔是緊跟需求調(diào)研的重要步驟，也是形成軟件開發(fā)文件的起始步驟，依據(jù)詳細(xì)業(yè)務(wù)調(diào)研，把需求用文字詳細(xì)描述并得到客戶認(rèn)同為目的。主要包括功能詳細(xì)設(shè)計和數(shù)據(jù)庫設(shè)計。

3） 軟件代碼編碼：根據(jù)詳細(xì)設(shè)計完成代碼編寫，將文字內(nèi)容代碼化的一個過程。

4） 軟件測試：軟件開發(fā)完成后進(jìn)入測試階段，盡量多方位測試軟件中存在的bug，并給以修復(fù)和完善。

5） 系統(tǒng)實施及培訓(xùn)：甲方使用環(huán)境的安裝和部署，并且培訓(xùn)系統(tǒng)使用人員。

6） 系統(tǒng)試運行、正式運行：安裝實施完畢的系統(tǒng)通常都有試運行期和正式運行的階段性劃分。試運行期主要是使用人員適應(yīng)軟件辦公的一個過渡過程。

7） 系統(tǒng)驗收：試用期結(jié)束，符合系統(tǒng)目標(biāo)并達(dá)到驗收標(biāo)準(zhǔn)，進(jìn)入系統(tǒng)驗收階段。

4 結(jié)論

隨著成果數(shù)據(jù)大量產(chǎn)生并持續(xù)標(biāo)準(zhǔn)化的發(fā)展，對數(shù)據(jù)的快速查看有了更高的要求。因此，本研究實現(xiàn)了相關(guān)工作人員在油氣田生產(chǎn)等業(yè)務(wù)過程中，能夠簡便快捷地隨時調(diào)用和查看相關(guān)的成果數(shù)據(jù)，并為研究、生產(chǎn)和決策人員提供數(shù)據(jù)依據(jù)，以便促進(jìn)科研、優(yōu)化生產(chǎn)、提質(zhì)增效，充分發(fā)揮數(shù)據(jù)價值。

本研究在本平臺的設(shè)計基礎(chǔ)上不斷增加了新的功能，以滿足用戶的新需求。其中主要考慮部分是數(shù)據(jù)庫表與表之間的聯(lián)系以及字段的合理配置，以確保系統(tǒng)未來幾年數(shù)據(jù)增長也能滿足使用。這項研究對下一步開展勘探研究成果和油氣田評價研究成果數(shù)據(jù)體系研究具有重要的參考價值，對實現(xiàn)研究成果一體化管理與再利用具有潛在意義。

參考文獻(xiàn)：

[1] 楊建鵬.基于NoSQL的油田數(shù)據(jù)管理研究[J].信息系統(tǒng)工程，2019（1）：56.

[2] 馬立平，任寶生，趙明.油田產(chǎn)能建設(shè)項目后評價輔助系統(tǒng)設(shè)計與實現(xiàn)[J].計算機應(yīng)用與軟件，2011，28（6）：161-163，204.

[3] 沈明.油田開發(fā)生產(chǎn)數(shù)據(jù)庫在油藏管理中的應(yīng)用實踐[J].西部探礦工程，2010，22（12）：29-30，33.

[4] 于紅梅.油田Web數(shù)據(jù)庫系統(tǒng)的體系設(shè)計[J].油氣田地面工程，2013，32（2）：27-28.

[5] 張巖.數(shù)字油田公共數(shù)據(jù)庫的結(jié)構(gòu)設(shè)計構(gòu)思[J].中國管理信息化，2017，20（5）：159-160.

【通聯(lián)編輯：聞翔軍】