李春生，陳思宇，張可佳，富 宇，劉 濤

(東北石油大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院，黑龍江 大慶 163318)

0 引 言

勘探開發(fā)數(shù)據(jù)作為重要的生產(chǎn)開發(fā)數(shù)據(jù)，其數(shù)據(jù)質(zhì)量的優(yōu)劣將直接影響到后續(xù)的油田開發(fā)生產(chǎn)過程。為此人們開展了對油田數(shù)據(jù)質(zhì)量檢測方法的研究。文獻(xiàn)[1]針對油田開發(fā)數(shù)據(jù)特點(diǎn)，研究數(shù)據(jù)內(nèi)部機(jī)制，圍繞數(shù)據(jù)庫建設(shè)全過程，建立完整的質(zhì)量控制體系，實(shí)現(xiàn)數(shù)據(jù)查錯(cuò)排錯(cuò)，有效控制數(shù)據(jù)質(zhì)量。文獻(xiàn)[2]通過對油田開發(fā)數(shù)據(jù)的錯(cuò)誤類型和產(chǎn)生原因進(jìn)行分析，提出在數(shù)據(jù)生命周期中建立質(zhì)量監(jiān)控標(biāo)準(zhǔn)規(guī)范并設(shè)置質(zhì)量控制點(diǎn)。文獻(xiàn)[3]在技術(shù)方面，對元數(shù)據(jù)技術(shù)、數(shù)據(jù)模型驅(qū)動(dòng)技術(shù)等展開分析研究和運(yùn)用。文獻(xiàn)[4]針對油田開發(fā)規(guī)劃引入突出影響因子的非線性模糊綜合評價(jià)，從傳統(tǒng)評判方法例如模糊評判方面，首先要克服主要影響因素被忽略的弱點(diǎn)，又強(qiáng)調(diào)了利用線性模糊評判的優(yōu)點(diǎn)。文獻(xiàn)[5]通過數(shù)據(jù)庫應(yīng)用模型構(gòu)建技術(shù)，實(shí)現(xiàn)了專業(yè)應(yīng)用在信息方面的有效支持。在異常檢測方面，文獻(xiàn)[6]對傳感器網(wǎng)絡(luò)異常檢測進(jìn)行了綜述，文獻(xiàn)[7]提出了基于深度學(xué)習(xí)的視頻異常檢測方法，并總結(jié)了其他領(lǐng)域的一些異常檢測方法。綜上所述，現(xiàn)存的油田質(zhì)量控制方法都是對數(shù)據(jù)模型、數(shù)據(jù)庫建設(shè)方面進(jìn)行研究，未對相應(yīng)的質(zhì)檢規(guī)則進(jìn)行相關(guān)研究。因此，選用機(jī)器學(xué)習(xí)技術(shù)結(jié)合專家系統(tǒng)推理機(jī)制進(jìn)行數(shù)據(jù)質(zhì)檢是勘探開發(fā)數(shù)據(jù)質(zhì)量檢查領(lǐng)域的趨勢。

1 勘探開發(fā)數(shù)據(jù)智能質(zhì)量檢查模型架構(gòu)

該文結(jié)合專家系統(tǒng)及機(jī)器學(xué)習(xí)相關(guān)知識，構(gòu)建勘探開發(fā)數(shù)據(jù)智能質(zhì)量檢查模型。模型分為數(shù)據(jù)層、推理學(xué)習(xí)層、應(yīng)用層三個(gè)層次，具體模型框架如圖1所示。

圖1 勘探開發(fā)數(shù)據(jù)智能質(zhì)量檢查模型

上述模型中數(shù)據(jù)層為機(jī)器學(xué)習(xí)和系統(tǒng)應(yīng)用層提供業(yè)務(wù)數(shù)據(jù)，知識庫用于存儲根據(jù)專家經(jīng)驗(yàn)得到的質(zhì)檢規(guī)則，并及時(shí)地為推理機(jī)提供推理所需的知識。推理機(jī)作為程序模塊用于執(zhí)行推理、搜索等操作。由于專家系統(tǒng)不具備從經(jīng)驗(yàn)中學(xué)習(xí)的能力，無法自動(dòng)修改知識庫，因而通過機(jī)器學(xué)習(xí)的方式調(diào)整、更新知識庫。

2 知識庫構(gòu)建

2.1 標(biāo)準(zhǔn)值獲取

由于專家給出的經(jīng)驗(yàn)相對模糊，且油田數(shù)據(jù)受地理位置、地貌特征等因素影響，專家經(jīng)驗(yàn)可能會產(chǎn)生一定的偏差，因此需對數(shù)據(jù)進(jìn)行分析，得到更準(zhǔn)確的規(guī)則。該文以孔隙度、滲透率、砂巖厚度、有效厚度為例，獲取它們的標(biāo)準(zhǔn)值。

(1)采用k-means聚類算法對孔隙度、滲透率進(jìn)行聚類得到聚類的中心點(diǎn)作為標(biāo)準(zhǔn)值，聚類結(jié)果如圖2所示，其中x軸為孔隙度，y軸為滲透率，以相別為分類標(biāo)準(zhǔn)，分為4類，其中*所代表的為某一相別孔隙度和滲透率的中心點(diǎn)。第一類中心點(diǎn)坐標(biāo)為(0.000 6,0.138 4)，第二類中心點(diǎn)為(22.703 8,0.060 2)，第三類中心點(diǎn)為(27.389 6,0.204 8)，第四類中心點(diǎn)為(30.495 5,0.533 5)。

圖2 k-means算法結(jié)果

(2)選取臨近井獲取其有效厚度和砂巖厚度的均值當(dāng)作標(biāo)準(zhǔn)值。使用公式如下：

(1)

得到有效厚度的均值為2.875，砂巖厚度的均值為0.9，以此作為規(guī)則的標(biāo)準(zhǔn)值。

2.2 知識庫設(shè)計(jì)

知識庫是專家系統(tǒng)的核心，是專家系統(tǒng)有別于傳統(tǒng)軟件系統(tǒng)的標(biāo)志[8]。知識的數(shù)量與質(zhì)量是決定專家系統(tǒng)性能的關(guān)鍵因素[9]。

知識獲取是初建知識庫要完成的工作。知識獲取是指將問題求解的知識從相應(yīng)的知識源中提取出來，轉(zhuǎn)換為特定的計(jì)算機(jī)語言，其實(shí)質(zhì)就是知識庫建立的過程。該文將現(xiàn)場工作人員提供的專業(yè)知識結(jié)合數(shù)據(jù)分析的結(jié)果解析成相關(guān)的規(guī)則，建立知識庫。知識庫建立的前期基礎(chǔ)為知識表示，知識表示就是通過使用不同體系對客觀世界進(jìn)行歸納和描述[10]，選擇合適的知識表示方式有利于系統(tǒng)更好的應(yīng)用，目前被廣泛使用的知識表示方式有產(chǎn)生式規(guī)則表示法、語義網(wǎng)絡(luò)表示法、謂詞邏輯表示法、框架表示法、面向?qū)ο蟊硎痉?，由于產(chǎn)生式規(guī)則法的表達(dá)方式符合勘探開發(fā)數(shù)據(jù)質(zhì)檢流程，故該文采用產(chǎn)生式規(guī)則法對規(guī)則進(jìn)行描述。產(chǎn)生式規(guī)則通常用如下方法表示：IF P THEN Q，P表示條件，Q表示結(jié)論或動(dòng)作，具體含義：若條件P得到滿足，則可以推出結(jié)論Q[11]。

2.3 規(guī)則庫的建立

對于勘探開發(fā)數(shù)據(jù)中涉及的眾多的規(guī)則條目，將所有規(guī)則條目以規(guī)則前件和后件形式錄入數(shù)據(jù)庫中，以孔隙度、滲透率、有效厚度和產(chǎn)液量數(shù)據(jù)為例，建立如下所示的規(guī)則庫，其中包括知識表、規(guī)則前件表、規(guī)則表、規(guī)則后件表、結(jié)果表。以知識表、規(guī)則表、結(jié)果表為例，具體描述如下：

(1)知識表用于存儲油田相關(guān)的術(shù)語，并對其進(jìn)行解釋，用于規(guī)則判斷時(shí)的前提條件。滿足此前提條件規(guī)則方可生效，知識表見表1。

表1 知識表

(2)規(guī)則表用于描述質(zhì)檢所需的規(guī)則，其中特征為檢測的字段名稱，標(biāo)準(zhǔn)值為參照數(shù)據(jù)，閾值為判斷數(shù)據(jù)異常的門限值，特征邏輯表示與門限值的關(guān)系。規(guī)則表見表2。

表2 規(guī)則表

(3)結(jié)果表用于描述質(zhì)檢結(jié)果，給數(shù)據(jù)異常一個(gè)相應(yīng)的解釋，若解釋合理則數(shù)據(jù)為非異常數(shù)據(jù)，若無解釋則根據(jù)上述規(guī)則判定為異常數(shù)據(jù)。結(jié)果表包含RSID、特征、特征邏輯、閾值、判斷結(jié)果，特征為表中字段名，閾值可為表名或標(biāo)準(zhǔn)值，特征邏輯為包含、相等或不相等等邏輯關(guān)系，通過特征、特征邏輯和閾值來解釋數(shù)據(jù)異常原因。結(jié)果表見表3。

表3 結(jié)果表

(4)規(guī)則前件表和規(guī)則后件表的簡要描述如下 ：規(guī)則前件表用于描述知識表和規(guī)則表的對應(yīng)關(guān)系，包含ID、KID、RID字段，其中KID為知識表的ID,RID為規(guī)則表ID；規(guī)則后件表用于描述規(guī)則表和結(jié)論表的對應(yīng)關(guān)系，包含ID、RID、RSID字段，其中RID為規(guī)則表ID，RSID為結(jié)果表ID。

以產(chǎn)液量為例進(jìn)行如下描述：首先在規(guī)則表中獲取相關(guān)產(chǎn)液量的規(guī)則，得到其規(guī)則ID，然后在規(guī)則前件表和規(guī)則后件表中找到該規(guī)則ID對應(yīng)的KID和RID，找到其對應(yīng)的知識表和結(jié)果表中的數(shù)據(jù)。最終得到的完整規(guī)則為：同一口井的月產(chǎn)液量變化率大于30%且本井不存在于注水庫中則數(shù)據(jù)異常。

2.4 知識庫更新

將需檢測的數(shù)據(jù)進(jìn)行檢測得到質(zhì)檢結(jié)果后，通過現(xiàn)場人員的反饋，對知識庫進(jìn)行更新，主要更新規(guī)則庫中的閾值，使知識庫中的知識不斷優(yōu)化，質(zhì)檢的準(zhǔn)確率不斷增強(qiáng)。該文采用機(jī)器學(xué)習(xí)中不平衡分類閾值調(diào)整算法對知識庫進(jìn)行更新。知識庫的更新過程如下：

Step1:提取質(zhì)檢結(jié)果和反饋結(jié)果，構(gòu)成混淆矩陣。

Step2:將不同閾值情況下的多個(gè)混淆矩陣用ROC曲線表示。

Step3:得到約登指數(shù)，計(jì)算閾值。

Step4:更新知識庫。將計(jì)算好的閾值更新到規(guī)則庫中的閾值字段中。

3 推理機(jī)實(shí)現(xiàn)

專家系統(tǒng)主要通過系統(tǒng)的推理機(jī)來實(shí)現(xiàn)推理功能，推理機(jī)運(yùn)用其推理方法對知識進(jìn)行利用，通過其推理流程和推理控制策略完成知識的完整推理。推理機(jī)主要由推理方法、推理流程、推理控制策略等組成[12-13]。其問題解決算法可以區(qū)分為3個(gè)層次[14]。

3.1 推理方法

推理是人工智能的一項(xiàng)重要技術(shù)，比較常見的推理方法有基于案例的推理、基于規(guī)則的推理以及模糊推理。該文采用基于規(guī)則的推理方法，該方法將專家知識和經(jīng)驗(yàn)轉(zhuǎn)換為計(jì)算機(jī)中用于推理的規(guī)則框架，從一組前提推出一組結(jié)論。規(guī)則推理的一般推理步驟如圖3所示。

圖3 規(guī)則推理步驟

3.2 推理流程

在勘探開發(fā)數(shù)據(jù)質(zhì)檢系統(tǒng)設(shè)計(jì)中，將專家的知識和經(jīng)驗(yàn)抽象為若干規(guī)則，構(gòu)建規(guī)則庫并進(jìn)行推理，推理流程如下：

Step1:檢查字段的錄入，操作人員將需要檢查的字段輸入到專家系統(tǒng)中，由專家系統(tǒng)進(jìn)行檢查。

Step2:檢查字段的識別，將檢查字段與知識庫中規(guī)則表進(jìn)行匹配，如果匹配成功，則將檢查字段替換為規(guī)則編號，再進(jìn)行下一步推理，如果匹配不成功，說明知識庫中缺少該字段的知識，此時(shí)提醒用戶輸入新的字段重新進(jìn)行檢查，或者對規(guī)則庫進(jìn)行擴(kuò)充。

Step3:進(jìn)行推理，使用規(guī)則的編號查找匹配的知識，使用知識來進(jìn)行推理，最后輸出檢查結(jié)果。

3.3 推理控制策略

推理機(jī)設(shè)計(jì)實(shí)現(xiàn)的過程不僅要考慮推理方法，還應(yīng)該選擇正確的推理控制策略，推理控制策略有前推式、回溯式[15]及雙向式3種。推理控制策略會影響求解的效率和準(zhǔn)確性，其包括推理方向、沖突消解策略等。

3.3.1 推理方向

推理機(jī)作為問題求解的主要手段，其推理方向?qū)ζ淝蠼膺^程有很大影響，選擇合適的推理方向能大大提高推理效率。常用的推理方向包括正向推理、反向推理、正反向混合推理，正向推理是由原始數(shù)據(jù)出發(fā)，按照一定策略，運(yùn)用知識庫中專家的知識，推斷出結(jié)論的方法。這種推理方式由于是由數(shù)據(jù)到結(jié)論，由于勘探開發(fā)數(shù)據(jù)庫質(zhì)檢的過程即知識推理的過程，因此該文采用正向推理的推理方向。

3.3.2 沖突消解策略

沖突消解策略可實(shí)現(xiàn)從知識庫的多條可用知識中合理地選擇一條知識。在數(shù)學(xué)問題的求解過程中，沖突消解策略常采用深度優(yōu)先或廣度優(yōu)先策略，其基本思想是先啟用某一條知識，如果知識在執(zhí)行過程中失效，再回溯其他知識。在專家系統(tǒng)求解問題環(huán)境中，這種策略的效率較低[13]。在專家系統(tǒng)中，一般采用簡單直觀的沖突消解策略，或添加啟發(fā)信息來組合使用這些簡單的沖突消解策略。簡單沖突消解策略是將多條知識按優(yōu)先級排序。常用的排序策略有專一性排序、知識庫組織次序排序、據(jù)排序、就近排序、分塊組織等。其中知識庫組織次序排序是按照知識在知識庫中的順序得出優(yōu)先級的次序，符合異常數(shù)據(jù)檢測的順序性，因此該文采用知識庫組織次序排序的沖突消解策略，在知識庫中為各條知識進(jìn)行優(yōu)先級排序。

4 實(shí) 驗(yàn)

4.1 數(shù)據(jù)選擇

實(shí)驗(yàn)數(shù)據(jù)選擇中西部高臺子的現(xiàn)場工作人員提供的數(shù)據(jù)作為實(shí)驗(yàn)和測試數(shù)據(jù)，包括：小層信息、油井井史、連通關(guān)系、井基礎(chǔ)信息等數(shù)據(jù)，對孔隙度、滲透率，有效厚度、砂巖厚度等靜態(tài)數(shù)據(jù)，以及產(chǎn)液量等動(dòng)態(tài)數(shù)據(jù)進(jìn)行質(zhì)量檢查。

4.2 實(shí)驗(yàn)結(jié)果

4.2.1 專家系統(tǒng)檢測異常數(shù)據(jù)實(shí)驗(yàn)

選取1 000條小層信息數(shù)據(jù)和井基礎(chǔ)信息數(shù)據(jù)對孔隙度、滲透率、有效厚度、砂巖厚度、產(chǎn)液量進(jìn)行檢查。檢查結(jié)果如表4所示，其中檢查目標(biāo)為異常檢測的字段，實(shí)驗(yàn)結(jié)果為系統(tǒng)檢查出的異常數(shù)據(jù)的條數(shù)，真實(shí)結(jié)果為實(shí)際異常數(shù)據(jù)的條數(shù)，正確數(shù)量為實(shí)驗(yàn)結(jié)果中檢查正確的數(shù)量，閾值為檢查標(biāo)準(zhǔn)，準(zhǔn)確率為當(dāng)前模型判斷的準(zhǔn)確率，其計(jì)算公式為：

準(zhǔn)確率=判斷正確的數(shù)量/數(shù)據(jù)量

(2)

其中判斷正確的數(shù)量為：數(shù)據(jù)異常并且被判斷為異常的數(shù)量與數(shù)據(jù)正確且被判斷為正確的數(shù)量的總和，即下文中所提的TP和TN的和。

表4 異常檢測結(jié)果

4.2.2 閾值調(diào)整實(shí)驗(yàn)

(1)依據(jù)不同閾值下的多個(gè)混淆矩陣畫出的ROC曲線如圖4所示，其中橫軸為負(fù)正類率(false positive rate，F(xiàn)PR)，縱軸為真正類率(true positive rate，TPR)，其中TPR=TP/(TP+FN)；FPR=FP/(FP+TN)。TP(true positive，TP)表示真正類即數(shù)據(jù)是異常并且被判斷為異常；FN(false negative，F(xiàn)N)表示假負(fù)類即數(shù)據(jù)為異常但是被判斷為正確；FP(false positive，F(xiàn)P)表示假正類數(shù)據(jù)非異常，但是被判斷為異常；TN(true negative，TN)表示真負(fù)類即數(shù)據(jù)為正確數(shù)據(jù)且被判斷為正確數(shù)據(jù)。根據(jù)ROC曲線獲取TPR、FPR的最大差值即約登指數(shù)，取當(dāng)前TPR、FPR的坐標(biāo)，進(jìn)而找到最優(yōu)閾值?？紫督?jīng)、滲透率、砂巖厚度、產(chǎn)液量以及有效厚度的ROC曲線如圖4所示，根據(jù)曲線得出的最優(yōu)閾值如表5中的閾值所示。

圖4 ROC曲線

(2)將調(diào)整后的閾值更新到知識庫后重新對數(shù)據(jù)進(jìn)行檢查，得到的結(jié)果如表5所示，通過表4和表5準(zhǔn)確率對比可知：閾值調(diào)整后的準(zhǔn)確率相比閾值調(diào)整前有所提高，為提高異常數(shù)據(jù)檢查的正確率可進(jìn)行多次閾值調(diào)整。

表5 閾值調(diào)整結(jié)果

5 結(jié)束語

該文將專家系統(tǒng)應(yīng)用于勘探開發(fā)數(shù)據(jù)庫質(zhì)量檢查中，通過建立知識庫、推理機(jī)來進(jìn)行異常數(shù)據(jù)的檢查，同時(shí)使用閾值調(diào)整方法更新知識庫進(jìn)而提高質(zhì)檢準(zhǔn)確率。通過真實(shí)數(shù)據(jù)驗(yàn)證其質(zhì)檢結(jié)果，證實(shí)提出的質(zhì)檢方法具有較高的準(zhǔn)確率，且通過閾值調(diào)整可以提高質(zhì)檢準(zhǔn)確率。因此，對勘探開發(fā)數(shù)據(jù)智能質(zhì)量檢查方法的研究具有一定的理論意義和應(yīng)用價(jià)值。