張磊 曹彩平 宋濤 杜俊杰

摘要：在大數(shù)據(jù)技術(shù)得到快速發(fā)展和廣泛運用的時代背景下，智能油田的數(shù)據(jù)清洗成為確保智能油田數(shù)據(jù)分析有效性的關(guān)鍵任務，本研究旨在探討如何利用改進的深度置信網(wǎng)絡算法結(jié)構(gòu)實現(xiàn)智能油田數(shù)據(jù)的快速清洗和分析。本文闡述了深度置信網(wǎng)絡、智慧油田以及數(shù)據(jù)清洗的基本概念，并且分析了基于改進深度置信網(wǎng)絡的智慧油田數(shù)據(jù)快速清洗的現(xiàn)實意義及實施要點，結(jié)合實例對深度置信網(wǎng)絡在智慧油田數(shù)據(jù)快速清洗方面的實踐應用做了具體分析，以期推動智能油田數(shù)據(jù)清理工作的可持續(xù)發(fā)展。

關(guān)鍵詞：智能油田；深度置信網(wǎng)絡；數(shù)據(jù)快速清洗；改進研究

引言

隨著信息技術(shù)手段的不斷發(fā)展，油田工程領(lǐng)域迎來了多種機遇及挑戰(zhàn)。在新時代背景下，油田工程應積極探索信息技術(shù)手段與項目工程的融合應用。深度置信網(wǎng)絡又稱為深度信念網(wǎng)絡，是新時代誕生的高人工智能化的數(shù)據(jù)處理算法，有利于提高智能油田數(shù)據(jù)快速清洗工作的效率和質(zhì)量[1]。本文將探討如何利用深度置信網(wǎng)絡優(yōu)化智能油田數(shù)據(jù)清洗工作，以期提高工作效率及數(shù)據(jù)質(zhì)量。

1. 基于改進深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗的現(xiàn)實意義

1.1 有利于提高數(shù)據(jù)處理效率

石油工程是對國家工業(yè)發(fā)展效率和國際社會形勢有著重大影響的基礎(chǔ)性工程，在其建設和實施過程中優(yōu)化工作質(zhì)量和工作效率，有助于確保石油行業(yè)的開采成果、工程進度的有效控制以及開采成本的降低，同時有助于石油工程實現(xiàn)安全、綠色和可持續(xù)發(fā)展目標?；诟倪M深度置信網(wǎng)絡進行智能油田數(shù)據(jù)的快速清洗，能夠有效利用高級的數(shù)據(jù)處理算法及深度學習技術(shù)，自動識別并糾正數(shù)據(jù)中的問題，有效降低數(shù)據(jù)分析處理過程中重復或錯誤數(shù)據(jù)對分析結(jié)果的影響。

1.2 有助于優(yōu)化石油企業(yè)效益

石油企業(yè)的經(jīng)營效益容易受到全球石油市場波動影響，立足于智能油田視角，為保障石油企業(yè)安全穩(wěn)定運行，需要對相關(guān)數(shù)據(jù)信息進行分析處理。基于改進深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗工作，能夠利用新興技術(shù)手段實現(xiàn)大量數(shù)據(jù)信息的自動化識別和高效率清洗處理，有效降低人員成本及時間成本，提高企業(yè)生產(chǎn)決策的科學性及有效性。同時，為石油企業(yè)提供全面可靠的數(shù)據(jù)支撐及引導，有效提升石油企業(yè)經(jīng)濟效益及社會效益。

1.3 有益于推動油田智能化建設

隨著技術(shù)手段的不斷優(yōu)化，油田作為支撐國家工業(yè)發(fā)展的核心產(chǎn)業(yè)，應該緊跟時代的發(fā)展，積極探索提高油田開發(fā)治理工作效率與質(zhì)量的措施，引入多元技術(shù)手段打造高質(zhì)高效的智能油田。其中，基于改進深度置信網(wǎng)絡進行智能油田的數(shù)據(jù)快速清洗，能夠有效深化前沿性信息技術(shù)手段在智能油田建設管理工作中的應用實踐，充分發(fā)揮深度置信網(wǎng)絡在數(shù)據(jù)處理方面的優(yōu)勢，使工作人員切實體會信息技術(shù)手段應用的價值和意義，有效推動油田的智能化建設發(fā)展[2]。

2. 基于改進深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗的實施要點

2.1 數(shù)據(jù)清洗的常見問題

在油田數(shù)字化建設過程中，數(shù)據(jù)清洗工作是智能油田數(shù)據(jù)處理的重要組成部分，通常涉及以下問題。

（1）數(shù)據(jù)參考價值低。隨著油田的持續(xù)開采應用，數(shù)據(jù)庫中的信息內(nèi)容逐漸擴充，地下油層環(huán)境也會隨著時間的推移產(chǎn)生不同程度的變化。在進行智能油田數(shù)據(jù)處理過程中，多年前的油田產(chǎn)油產(chǎn)液數(shù)據(jù)等數(shù)據(jù)信息參考價值較低，難以有效滿足數(shù)據(jù)處理分析要求，需要技術(shù)人員針對此類數(shù)據(jù)進行快速清洗處理。

（2）數(shù)據(jù)缺失值、異常值現(xiàn)象。數(shù)據(jù)缺失值、異常值現(xiàn)象是指在數(shù)據(jù)記錄、收集以及錄入進程中，由于意外情況、人員失誤或技術(shù)條件限制，導致數(shù)據(jù)完整性和準確性出現(xiàn)缺失或異常問題，其修復工作是智慧油田數(shù)據(jù)快速清洗工作中的核心板塊。具體而言，技術(shù)人員需要針對此類數(shù)據(jù)進行科學合理的清洗補全，從而有效提升智能油田大數(shù)據(jù)分析的準確性及效率。

（3）數(shù)據(jù)存儲位置分散。智能油田數(shù)據(jù)信息化建設是近年來逐漸推廣落實到石油企業(yè)工作運營進程中的新興理念，不同單位體系和工作領(lǐng)域之間存在信息化建設進度及技術(shù)手段不一致的情況，導致出現(xiàn)數(shù)據(jù)存儲位置較為分散、數(shù)據(jù)獲取難度高、冗余數(shù)據(jù)比例較高等潛在問題。

2.2 數(shù)據(jù)清洗的基本步驟

在智能油田的數(shù)據(jù)處理進程中，數(shù)據(jù)清洗占據(jù)數(shù)據(jù)處理工作中的核心地位，清洗成效對于數(shù)據(jù)處理的質(zhì)量及準確度有關(guān)鍵性作用，數(shù)據(jù)清洗的基本步驟分述如下。

（1）數(shù)據(jù)清洗預處理。在預處理過程中，技術(shù)人員需要選擇適當?shù)臄?shù)據(jù)處理工具，并對目標數(shù)據(jù)的元數(shù)據(jù)和數(shù)據(jù)特征進行抽取查看，以初步了解數(shù)據(jù)的基本情況。

（2）格式或內(nèi)容錯誤數(shù)據(jù)清洗。在格式或內(nèi)容錯誤數(shù)據(jù)清洗過程中，技術(shù)人員應確保數(shù)據(jù)符合統(tǒng)一格式要求，若數(shù)據(jù)庫中存在格式或內(nèi)容錯誤引發(fā)的數(shù)據(jù)問題，可以通過數(shù)據(jù)清洗對其進行修復及調(diào)整。

（3）邏輯錯誤數(shù)據(jù)清洗。邏輯錯誤數(shù)據(jù)清洗主要包括數(shù)據(jù)去重、去除或替換不合理的數(shù)據(jù)值，以及去除或重構(gòu)矛盾數(shù)據(jù)內(nèi)容等不可靠字段值，通過簡單邏輯推理進行問題數(shù)據(jù)清洗處理。

（4）冗余數(shù)據(jù)清洗。在冗余數(shù)據(jù)清洗過程中，技術(shù)人員需要構(gòu)建數(shù)據(jù)處理模型。在備份原始數(shù)據(jù)的前提下，根據(jù)數(shù)據(jù)處理需要清除冗余數(shù)據(jù)。

（5）關(guān)聯(lián)性驗證。在智能油田的數(shù)據(jù)處理進程中，由于智能油田數(shù)據(jù)源復雜多樣，技術(shù)人員需要在多數(shù)據(jù)源合并的過程中進行關(guān)聯(lián)性驗證，以確保數(shù)據(jù)的一致性和準確性，并根據(jù)驗證結(jié)果進行數(shù)據(jù)清洗處理。

（6）缺省值填充。在缺省值填充過程中，技術(shù)人員可以使用均值、中值、眾數(shù)、零值或常數(shù)等方式進行數(shù)據(jù)填充，以確保數(shù)據(jù)的完整性和可用性。

2.3 數(shù)據(jù)清洗的算法應用

基于改進深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗采用了多種算法處理及分析數(shù)據(jù)，主要包括深度置信網(wǎng)絡模型中的RBM神經(jīng)網(wǎng)絡（restricted boltzmann machine，受限玻爾茲曼機）以及曼哈頓距離法，以上算法能夠有效提升智能油田數(shù)據(jù)清洗效率，其具體應用路徑如下。

（1）RBM神經(jīng)網(wǎng)絡的應用。在智能油田數(shù)據(jù)清洗工作中，深度置信網(wǎng)絡模型主要通過RBM進行模型建構(gòu)。RBM主要包含可見層和隱層，其中，可見層內(nèi)包含a個數(shù)據(jù)節(jié)點，隱層內(nèi)包含b個數(shù)據(jù)節(jié)點，兩個層級之間的節(jié)點權(quán)重舉證W如下：

技術(shù)人員需要對節(jié)點進行激活處理和狀態(tài)重構(gòu)，通過多次迭代訓練，使深度置信網(wǎng)絡能夠擬合實際樣本輸出值與理論值趨近，從而有效清洗及修復數(shù)據(jù)[3]。

（2）曼哈頓距離法的應用。曼哈頓距離法能夠度量兩點之間的距離，在深度置信網(wǎng)絡的算法應用進程中，該方法主要用于計算字符串之間的編輯距離，以評價和判斷字符串之間的相似度。同時，曼哈頓距離法能夠在此基礎(chǔ)上對字符串和數(shù)據(jù)表之間的曼哈頓距離進行測試，曼哈頓距離結(jié)果越大，數(shù)據(jù)之間的相似度越低。

3. 基于改進深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗的應用分析

3.1 應用案例

本文以某油田2022年的開井日及關(guān)井日臺賬數(shù)據(jù)為分析對象，通過對企業(yè)油田開井日及關(guān)井日的運行數(shù)據(jù)進行數(shù)據(jù)清洗處理，推動智能化建設實踐。在實踐過程中，基于改進深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗需要利用多元技術(shù)手段構(gòu)建數(shù)據(jù)清洗處理網(wǎng)絡模型，然后基于模型內(nèi)容進行數(shù)據(jù)分析及清理處理，以有效實現(xiàn)開井日及關(guān)井日臺賬數(shù)據(jù)處理的智能化建設。技術(shù)人員可以引入大數(shù)據(jù)隨機樣本劃分等傳統(tǒng)數(shù)據(jù)清洗處理技術(shù)，對算法成果進行對比研究。

3.2 清洗模型

在數(shù)字化時代，基于深度置信網(wǎng)絡的智能油田數(shù)據(jù)快速清洗工作需要優(yōu)化和改進深度置信網(wǎng)絡模型。通過構(gòu)建數(shù)據(jù)清洗自建系統(tǒng)，能夠?qū)崿F(xiàn)數(shù)據(jù)清洗處理工作的數(shù)字化、智能化、交互式發(fā)展。

針對案例油田的開井日及關(guān)井日臺賬數(shù)據(jù)內(nèi)容，技術(shù)人員可以構(gòu)建數(shù)據(jù)清洗模型。模型內(nèi)容主要包括自檢啟動模塊（用于啟動數(shù)據(jù)清洗流程）、單一項檢索模塊（用于逐一檢查數(shù)據(jù)項）、數(shù)據(jù)存儲模塊（用于存儲原始數(shù)據(jù)）、分類存儲模塊（將數(shù)據(jù)分類存儲，以便進一步處理）、正常項存儲模塊（存儲已經(jīng)通過檢查的正常數(shù)據(jù)項）、異常項存儲模塊（存儲包含異常數(shù)據(jù)的項）、數(shù)據(jù)分析模塊（用于分析數(shù)據(jù)以識別異常）、數(shù)據(jù)修復模塊（對異常數(shù)據(jù)進行自動修復）、審查自檢模塊（再次審查修復后的數(shù)據(jù)以確保準確性）、人工查驗模塊（進行人工查驗以驗證數(shù)據(jù)）以及反饋另存模塊（將人工驗證后的數(shù)據(jù)另存以備將來使用）等[4]。通過構(gòu)建數(shù)據(jù)清洗網(wǎng)絡模型，相關(guān)技術(shù)人員能夠?qū)χ悄苡吞镏械漠惓?shù)據(jù)進行分類儲存和單獨修復、對未修復數(shù)據(jù)進行人工查驗及反饋連接，提升智能油田數(shù)據(jù)清洗工作的精準性及效率。

3.3 對比分析

在利用改進的深度置信網(wǎng)絡開展智能油田數(shù)據(jù)清洗工作過程中，技術(shù)人員可以使用樣本查準率（RP）、查全率（RR）兩個關(guān)鍵指標衡量數(shù)據(jù)清洗應用算法成效和性能。查準率（RP）旨在衡量數(shù)據(jù)清洗系統(tǒng)成功檢測重復數(shù)據(jù)的能力，查全率（RR）旨在衡量數(shù)據(jù)清洗系統(tǒng)識別的重復數(shù)據(jù)記錄中真正包含重復數(shù)據(jù)的比例[5]。

本文以某油田2022年的開井日及關(guān)井日臺賬數(shù)據(jù)信息為案例，對其進行樣本數(shù)據(jù)的隨機分組。在實踐過程中，技術(shù)人員將深度置信網(wǎng)絡智能油田數(shù)據(jù)快速清洗結(jié)果定義為研究組，將大數(shù)據(jù)隨機樣本劃分清洗處理結(jié)果定義為對比組，在清洗工作完成后，針對兩組結(jié)果進行查準率與查全率的對比分析，6次不同樣本間的具體對比結(jié)果如表1所示。

根據(jù)數(shù)據(jù)對比結(jié)果可知，基于改進深度置信網(wǎng)絡的智能算法在智能油田的數(shù)據(jù)清洗處理工作中具有查準率和查全率高的特點，在工作運行過程中顯著優(yōu)于其他方法。同時，基于改進深度置信網(wǎng)絡的智能算法在智能油田數(shù)據(jù)清洗處理速度方面存在明顯優(yōu)勢，利用深度置信網(wǎng)絡模型進行數(shù)據(jù)清洗處理呈現(xiàn)耗時低、準確率高、效率快的特征，有助于石油企業(yè)快速獲取高精準度的有效數(shù)據(jù)，從而進行數(shù)據(jù)分析處理，實現(xiàn)快速數(shù)據(jù)清洗目標。

結(jié)語

綜上所述，基于信息化時代背景，石油企業(yè)在油田產(chǎn)業(yè)開采管理中應積極探索數(shù)字智能化建設，運用多元信息技術(shù)手段，充分發(fā)揮數(shù)據(jù)處理分析的促進作用。在多元信息技術(shù)手段運用過程中，數(shù)據(jù)清洗是智能油田運行中的重要工作組成部分，技術(shù)人員可以基于改進深度置信網(wǎng)絡實現(xiàn)智能油田數(shù)據(jù)清洗效率和質(zhì)量的提升，促進石油企業(yè)的智能油田建設發(fā)展。

參考文獻：

[1]張新.智能油田的數(shù)據(jù)治理工程及應用技術(shù)研究[J].信息系統(tǒng)工程，2023（5）： 52-54.

[2]夏博強.大數(shù)據(jù)、物聯(lián)網(wǎng)及人工智能技術(shù)在海上智能油田生產(chǎn)中的應用研究[J].數(shù)字通信世界，2023（2）：121-123.

[3]王穎，顧娟，楊勇.大型油田數(shù)據(jù)治理工程實踐[J].中國管理信息化，2023，26（3）：162-167.

[4]方正，丁群，李靜宇，等.基于深度置信網(wǎng)絡模型的頁巖油產(chǎn)量預測方法[J].油氣井測試，2022，31（3）：61-66.

[5]程大勇.基于優(yōu)化深度置信網(wǎng)絡的多源異構(gòu)數(shù)據(jù)清洗算法研究[J].重慶科技學院學報（自然科學版），2021，23（6）：59-63，69.

作者簡介：張磊，本科，工程師，研究方向：信息工程。