關(guān)鍵詞：油田領(lǐng)域，知識圖譜，數(shù)字化，服務(wù)平臺

DOI編碼：10.3969/j.issn.1674-5698.2023.05.012

1 標準制定的背景和目的

石油天然氣工業(yè)發(fā)展至今，已形成涵蓋石油勘探、開發(fā)、油氣集輸、儲運等十幾個專業(yè)的工業(yè)體系。隨著我國石油天然氣工業(yè)的迅速發(fā)展，企業(yè)規(guī)模不斷增長， 油氣勘探開發(fā)難度也不斷加大，油田企業(yè)的安全形勢比較嚴重，面臨的挑戰(zhàn)和競爭前所未有，同時暴露出的安全、健康、環(huán)境問題也愈來愈多，在石油天然氣勘探開發(fā)面臨的對象、要求的技術(shù)條件、新工藝、新技術(shù)應(yīng)用等方面的安全與環(huán)保問題日益突出[1]。當前，世界各國公眾的安全和環(huán)保意識不斷提高，對安全事故和環(huán)境問題的關(guān)注也達到了史無前例的高度，作為美國油氣工業(yè)界標準制定機構(gòu)的美國石油學會（API）組織，其下屬三大部門之一的安全健康環(huán)保部，專門負責制定及修訂健康、安全與環(huán)保標準，而勘探生產(chǎn)部和煉油部也都分別制定其相關(guān)領(lǐng)域的安全與環(huán)保標準。我國的安全生產(chǎn)技術(shù)標準化工作，已經(jīng)形成設(shè)計類標準、安全生產(chǎn)設(shè)備/工具標準、生產(chǎn)工藝類安全衛(wèi)生標準、防護用品類標準、管理類標準、安全技術(shù)規(guī)程等幾大安全環(huán)保標準體系。

相關(guān)研究表明，不按標準規(guī)范操作的事故時有發(fā)生，由人為失誤造成的約占事故總起數(shù)的70%左右。石油石化企業(yè)從事的是高危行業(yè)，一旦發(fā)生大型或特大型事故將給社會帶來嚴重的災(zāi)難，給企業(yè)帶來巨大的財產(chǎn)損失，且給企業(yè)形象造成惡劣的影響。

油田安全及環(huán)保問題是油田生產(chǎn)當中的兩個重要的問題，社會也非常關(guān)注，油田的相關(guān)部門正加強對兩個方面問題的認識程度，利用正確的策略，并且采取有效的方法，讓標準數(shù)字化工作在油田環(huán)保安全工作中起到?jīng)Q定性和規(guī)范性作用是本文研究的基本出發(fā)點。

2 油田領(lǐng)域標準化現(xiàn)狀與問題分析

2.1 油田現(xiàn)行標準法規(guī)數(shù)量龐大，但數(shù)字化程度不高

目前，我國油田企業(yè)在用標準系統(tǒng)包括標準動態(tài)管理系統(tǒng)、標準制修訂系統(tǒng)、油田標準查詢系統(tǒng)、技術(shù)監(jiān)督管理平臺等平臺，各平臺的歷史標準數(shù)據(jù)獨立存儲，標準規(guī)范和格式也不統(tǒng)一，對標準的統(tǒng)一使用和集中管理帶來不便。此外，在用企業(yè)、國家、行業(yè)、地方等標準仍以非結(jié)構(gòu)化電子文檔形式存在，各標準內(nèi)容、條款、指標等標準核心要素數(shù)字化程度不高，在指導油田環(huán)保安全生產(chǎn)活動方面存在較大短板[2]。

2.2 標準獲取方式較為傳統(tǒng)落后，人為主觀活動導致標準使用的不確定性風險較大

油田安全風險點多、分布廣、作業(yè)現(xiàn)場分散，油田企業(yè)環(huán)保安全管理是一項典型的知識密集型工作，但這些知識分散存儲在各種資料中，如：標準規(guī)范、施工組織設(shè)計、安全技術(shù)方案、事故調(diào)查報告以及其他各種技術(shù)及管理資料等。在油田環(huán)保安全管理過程中需要大量的專業(yè)領(lǐng)域知識的支持，這些資料由于數(shù)據(jù)量大、種類繁多、來源廣泛，很難快速準確地從中獲取有價值的知識。

2.3 標準指導安全檢查工作能力不足

當前油田現(xiàn)場操作實施及監(jiān)督人員在日常工作中常常需要隨身攜帶大量紙質(zhì)標準文檔和規(guī)章制度文件，發(fā)現(xiàn)問題后需要耗費大量精力去查閱，但現(xiàn)有的搜索引擎仍以文件名稱或編號進行檢索，紙質(zhì)或電子版的標準文檔、規(guī)章制度、法律法規(guī)中涉及的知識需要花費較多的人力成本和時間成本進行解讀，存在檢索標準、規(guī)章制度等資源不全，檢索手段落后、查全率和查準率低、檢索質(zhì)量不高等問題，大大影響了標準、規(guī)章制度和相關(guān)法律法規(guī)的推廣普及應(yīng)用。

鑒于此，本文在數(shù)據(jù)庫與文件存儲中對油田領(lǐng)域的國家、行業(yè)、地方、團體等標準數(shù)據(jù)進行數(shù)據(jù)保存，通過多源異構(gòu)數(shù)據(jù)集成的方式在數(shù)據(jù)管理系統(tǒng)中建成標準題錄數(shù)據(jù)庫，之后對標準數(shù)據(jù)進行內(nèi)容識別，構(gòu)建標準內(nèi)容知識圖譜，標準知識圖譜中具有標準化對象、指標、限定類、體例等內(nèi)容，最終在pc端上提供油田領(lǐng)域諸如：題錄檢索、全文檢索、指標展示等知識圖譜的數(shù)字研究服務(wù)。

3 基于油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺創(chuàng)建的思路

3.1 本體

本體的概念最初起源于哲學領(lǐng)域，用于描述事物的本質(zhì)。本體一詞產(chǎn)生之后，學者們便對其概念及內(nèi)涵作了不懈的研究和探討。1998年Student等人對于本體的特點給出了一個更為明確和全面的解釋：“知識本體是對概念體系的明確的、形式化、可共享的規(guī)范說明”，并且進一步指出，知識本體是“領(lǐng)域知識規(guī)范的抽象和描述，表達、共享、重用知識的方法”。

如果把每一個知識領(lǐng)域抽象成一套概念體系，再具體化為一個詞表來表示，包括每一個詞的明確定義、詞與詞之間的關(guān)系（例如：代、屬、分、參關(guān)系）以及該領(lǐng)域的一些公理性知識的陳述等，并且能在這個領(lǐng)域的專家之間達成某種共識，即能夠共享這套詞表，上述所有就構(gòu)成了該知識領(lǐng)域的一個“知識本體” [3]。

最后，為了便于計算機理解和處理，需要用一定的編碼語言（例如：RDF/OWL）明確表示上述體系（詞表、詞表關(guān)系、關(guān)系約束、公理、推理規(guī)則等）。在這個意義上，知識本體已經(jīng)成為一種提取、理解和處理領(lǐng)域知識的工具，可以被應(yīng)用于任何具體的科學和專業(yè)領(lǐng)域?？傊?，本體是構(gòu)建知識圖譜的基礎(chǔ)。

3.2 知識圖譜

知識圖譜是對真實世界某些特定領(lǐng)域中的元素以及它們之間的相互關(guān)系的抽象表示，一種計算機可計算可理解的結(jié)構(gòu)化知識表示模型[4]。知識圖譜采用面向?qū)ο蟮姆绞綄φ鎸嵤澜邕M行抽象，將領(lǐng)域中的“元素”抽象為“實體”，在圖譜中以節(jié)點來表示，將兩個元素之間的內(nèi)在聯(lián)系抽象為“二元關(guān)系”，在圖譜中以邊（連接兩個節(jié)點）來表示，將實體和關(guān)系的名稱用標簽標注，據(jù)此形成兩個實體與關(guān)系的三元組結(jié)構(gòu)（如圖1所示）。

其中，實體指客觀世界中存在的人（例如：油田工人）、事（例如：大氣污染物排放控制要求）、物（例如：油井）、屬性值（例如：4，50 0米）或者概念（例如：油田十四五規(guī)劃）。關(guān)系指實體間的關(guān)系（例如：因果關(guān)系）或者屬性（例如：深度）。

三元組則是由兩個實體及其之間關(guān)系構(gòu)成的組合。例如：實體1油井，屬性為深度，實體2（它是一個屬性值）為4，500米。

3.3 基于油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺的創(chuàng)建思路

針對油田領(lǐng)域標準文件間碎片化、標準間數(shù)據(jù)難以關(guān)聯(lián)、數(shù)據(jù)結(jié)構(gòu)復雜導致機器難以理解等難點，將石油行業(yè)油田企業(yè)特點、環(huán)保安全領(lǐng)域?qū)傩耘c標準文本數(shù)據(jù)特點結(jié)合，以環(huán)保安全標準規(guī)范等技術(shù)資料為底層數(shù)據(jù)，設(shè)計油田環(huán)保安全標準知識組織方法論，明確知識的展示形態(tài)；研究基于自然語言處理和機器學習的半自動化標準知識組織技術(shù)；梳理建立知識體系各要素之間的關(guān)聯(lián)關(guān)系，形成面向油田環(huán)保安全領(lǐng)域的標準規(guī)范知識圖譜，并據(jù)此構(gòu)建基于油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺，為在其他領(lǐng)域的延展應(yīng)用奠定了夯實的技術(shù)基礎(chǔ)?；谟吞镱I(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺的創(chuàng)建思路主要有以下4個方面。

3.3.1 研發(fā)基于知識本體理論的油田環(huán)保安全標準知識的組織方法論

標準知識組織方法論，是實現(xiàn)知識圖譜中標準內(nèi)容的實體識別和關(guān)系抽取的基礎(chǔ)和依據(jù)：1）結(jié)合油田環(huán)保安全管理體系及油田標準體系，設(shè)計形成適合于油田環(huán)保安全領(lǐng)域的標準知識分類體系，其中，涵蓋工作場景、業(yè)務(wù)流程、應(yīng)用設(shè)備等多種組織維度；2）在此基礎(chǔ)上，結(jié)合油田業(yè)務(wù)維度（如：勘探開發(fā)、地面工程、公用工程及海上工程等），基于知識本體理論，采用敘詞表等組織方式，研究適用于油田企業(yè)的三元組核心數(shù)據(jù)模型，即標準化對象（產(chǎn)品）—體例（段落結(jié)構(gòu)）—指標（屬性），如：“輕質(zhì)石油產(chǎn)品—酸度—中和100ml輕質(zhì)石油產(chǎn)品所需氫氧化鉀的毫克數(shù)”（GB/T 258-2016《輕質(zhì)石油產(chǎn)品酸度測定法》），其中，產(chǎn)品和體例均需要建立同義詞和上下位的關(guān)系，指標包括：指標項、指標值、計量單位、限定類等，實現(xiàn)文獻碎片化，形成基于知識本體理論，采用敘詞表等組織方式的油田環(huán)保安全標準知識組織方法論。

3.3.2 研發(fā)基于自然語言處理和機器學習的半自動化標準知識組織技術(shù)

與通用知識圖譜不同，適用于油田企業(yè)環(huán)保安全領(lǐng)域的知識圖譜面向特定領(lǐng)域，深度和完備性、針對性較強，實體屬性較多且具有行業(yè)意義。通常，行業(yè)領(lǐng)域知識圖譜的數(shù)據(jù)模式構(gòu)建由本領(lǐng)域?qū)＜襾沓袚?，但專家對計算機中知識圖譜的理解有限，一般建設(shè)周期長，人力成本高，知識圖譜構(gòu)建啟動難。為大幅度降低行業(yè)知識圖譜啟動時的構(gòu)建成本，通過對半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)做半自動化處理：1）以人工處理的結(jié)構(gòu)化數(shù)據(jù)為訓練集，應(yīng)用機器學習框架，針對半結(jié)構(gòu)化數(shù)據(jù)，實現(xiàn)自動的實體與關(guān)系標注，并構(gòu)建標準知識圖譜；2）以人工構(gòu)建的詞表和語法規(guī)則范式為基礎(chǔ)，針對非結(jié)構(gòu)化數(shù)據(jù)，實現(xiàn)實體識別與消歧、關(guān)系標注，并構(gòu)建標準知識圖譜。再由專家對關(guān)鍵信息進行總結(jié)，通過迭代的方式優(yōu)化標注結(jié)果，供專家篩選判斷，以此加快知識圖譜的構(gòu)建過程。

3.3.3 建立基于關(guān)聯(lián)網(wǎng)絡(luò)和知識圖譜的標準知識基礎(chǔ)框架

在定義及梳理研究對象，梳理對象的類型、明確對象模板的基礎(chǔ)上，研究基于領(lǐng)域預(yù)訓練模型的知識抽取技術(shù)，形成樹形結(jié)構(gòu)為主，屬性分類為輔的知識架構(gòu)，以及三元組為主的知識關(guān)聯(lián)網(wǎng)絡(luò)。通過研究應(yīng)用主題模型、標簽關(guān)系挖掘、語義表示、多層次知識融合等方法，構(gòu)建集成短語級、句子級、篇章級等不同粒度層次的知識對象識別及標注的統(tǒng)一體系，滿足通用細粒度知識對象和專業(yè)領(lǐng)域知識的標注和抽取需求。

3.3.4 創(chuàng)建面向油田領(lǐng)域知識圖譜的數(shù)字化服務(wù)平臺

針對石油行業(yè)油田企業(yè)在實際工作中的標準文獻管理、標準文獻研究、標準知識利用等應(yīng)用場景，形成不同層級的標準知識圖譜數(shù)據(jù)庫，最終在pc端上提供包括標準知識檢索、分類導航、知識圖譜、信息推薦等知識服務(wù)，建成面向油田領(lǐng)域知識圖譜的數(shù)字化服務(wù)平臺，切實解決用戶在標準文獻搜索精度、知識發(fā)現(xiàn)的智能化、文獻關(guān)聯(lián)推薦的準確度方面存在的問題。

4 基于油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺的主要功能

知識圖譜可以在標準數(shù)字化轉(zhuǎn)型過程中得到應(yīng)用和發(fā)展，以幫助用戶實現(xiàn)更智能、高效的標準信息處理和管理。具體功能包括以下幾項。

4.1 搜索引擎優(yōu)化通過構(gòu)建油田領(lǐng)域標準知識圖譜的數(shù)字化

服務(wù)平臺，搜索引擎可以更好地理解用戶搜索結(jié)果，并提供更準確、有用的信息。知識圖譜中包含了豐富的標準結(jié)構(gòu)化數(shù)據(jù)和實體關(guān)系，可以讓搜索引擎更好地理解用戶查詢意圖，提供更準確的搜索結(jié)果。

4.2 內(nèi)容推薦

基于用戶行為和偏好，利用油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺來推薦相關(guān)內(nèi)容，提升用戶體驗和滿意度。其中豐富的語義信息可以拓展檢索結(jié)果，具有更好的檢索體驗。

4.3 智能客服

油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺將本體、知識庫和知識圖譜結(jié)合起來，讓智能客服系統(tǒng)能夠更快速、準確地回答用戶問題，提高標準信息和情報的服務(wù)效率。

4.4 數(shù)據(jù)分析

油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺借助知識圖譜的關(guān)系網(wǎng)絡(luò)，進行數(shù)據(jù)挖掘和分析，發(fā)現(xiàn)潛在的規(guī)律和趨勢，支持決策制定。

4.5 機器學習

知識圖譜可以作為機器學習模型的輸入數(shù)據(jù)，用于訓練模型并提高預(yù)測準確率。

5 未來技術(shù)展望

目前基于知識圖譜的信息化系統(tǒng)發(fā)展緩慢，隨著深度學習、神經(jīng)網(wǎng)絡(luò)等技術(shù)快速涌現(xiàn)，結(jié)合油田領(lǐng)域的標準知識圖譜的數(shù)字化服務(wù)平臺也得到了推動發(fā)展，且有著廣闊的研究空間。油田領(lǐng)域標準知識圖譜的數(shù)字化服務(wù)平臺未來發(fā)展方向如下。

（1）基于神經(jīng)網(wǎng)絡(luò)的深度學習，知識圖譜的質(zhì)量決定標準數(shù)字化平臺的體驗，因此對于油田領(lǐng)域知識圖譜的鏈路預(yù)測問題是不可忽視的。例如：油田知識圖譜中的實體關(guān)系若是存在缺失則會導致油氣生產(chǎn)過程中無法完成閉環(huán)，并且因為缺少事實關(guān)系，推薦的質(zhì)量可能會下降。因此將知識圖譜推理和推薦任務(wù)聯(lián)合部署在同一個模型中是增強推薦質(zhì)量的有效途徑。另外，多任務(wù)油田領(lǐng)域信息化系統(tǒng)也是智能的、有發(fā)展前景的，可以釋放和減輕生產(chǎn)資源緊缺的壓力，使生產(chǎn)任務(wù)更加便捷高效。

（2）基于知識圖譜的智能化油田管理系統(tǒng)可以通過對各種數(shù)據(jù)、設(shè)備和工藝的建模和分析，實現(xiàn)全面監(jiān)測、預(yù)警和優(yōu)化操作。這將顯著提高油田生產(chǎn)效率和安全性。建立油田領(lǐng)域的知識圖譜，可以將各種數(shù)據(jù)、文獻和專家經(jīng)驗進行匯聚和整合，從而支持人工智能算法開展更為精準的油田決策和風險評估。隨著能源互聯(lián)網(wǎng)的建設(shè)和發(fā)展，知識圖譜可以扮演連接各個環(huán)節(jié)的重要角色，例如：從天然氣輸送到加工和終端應(yīng)用等多個環(huán)節(jié)的效率優(yōu)化和智能調(diào)度。建立行業(yè)級的油田知識圖譜也將有利于推動油田領(lǐng)域標準化和規(guī)范化，從而進一步提高行業(yè)效率和質(zhì)量水平。