基于不精确正向推理的修井作业专家系统研究与设计

单全生　钟家维　欧如学　李强　张卫贤

摘 要：为了解决油田现场修井作业中存在的技术力量薄弱，修井领域专家缺乏，从业人员技术水平和经验参差不齐等实际问题，本文分析了在井况事故处理知识的不确定性和多样性情况下，将不精确推理引入到修井作业专家系统中，采用产生式规则表示井况处理知识，使用正向推理的方法，进行事故类型及状态的诊断、获得修井作业方案设计，并构建了基于Web的修井作业专家系统，进一步提高了系统的智能化与科学性。

关键词：修井作业；专家系统；产生式规则；不精确推理；确定性因子CF

引言

斯坦福大学的Edward Feigenbaum教授把专家系统定义为“一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题”[2]。换言之专家系统就是以专家经验性知识为基础建立的，以知识库和推理机为核心的，提供人机交互接口，能够模拟专家决策的智能系统。

随着计算机技术的飞速发展，越来越多的技术被应用到油田生产的各个方面和环节。修井作业作为油田上非常重要的一项日常工作，它主要是指对油、气、水井排除各种井下生产故障、处理井下生产事故、恢复生产，配合各种工艺措施（压裂、酸化、工程测井和堵水等），提高生产能力的作业。随着油井数量的逐年增加，出现事故的频率也将逐渐增多，而经验丰富的修井作业专家又相对不足。在这种情况下，建立修井作业专家系统知识库，研究构造更符合专家模糊思维方式的推理模型，在此基础上开发修井作业专家系统，可以有效解决当前的主要问题。

文章在研究修井专家系统知识表示的基础上，重点分析了井况事故处理知识的不确定性和多样性，将不精确推理引入到推理机构建中，通过正向推理的方法，获得专家咨询结果，构建了基于Web的修井作业专家系统。

1 知识的表示

知识表示就是把知识符号化和形式化的过程。用于知识表示的方法很多，如一阶谓词逻辑表示法、产生式表示法、框架及脚本表示法、语义网络表示法、面向对象的表示法、基于本体的知识表示方法[3]等。

作为修井事故诊断咨询处理的专家系统，文章采用产生式规则[4]来表示从修井专家、专业资料从获取的知识。在产生式系统中， 知识库是由一系列事实和规则构成。

事实，是指对客观事物的属性的值得描述，一般使用三元组（对象，属性，值）或（关系，对象1，对象2）来表示，这种描述能表达客观事物在某条件下的各种属性的真实的值（或状况）；规则，表示了事实（事物）之间的因果关系，可以表示为：“IF condition （前件或模式） THEN action（后件或结论）”，即“如果前件成立，则执行此种操作”的语句模型。

文章通过关系数据库分别建立事实库和规则库的数据表，来实现知识的存储和表示，通过功能强大的数据库管理系统可以方便、快捷的实现数据的增、删、改、查等操作，也能最大限度的保证数据的完整性，从而保证知识的完整和一致性。

2 不精确正向推理

推理是指根据已有的事实，在一定原则下推导出结论的过程。专家系统中，原则就是规则，而规则是推理的核心，在知识表示的基础上，进行的知识推理过程就是求解问题的过程，是实现专家系统功能的重要步骤。

在现实生活中，有许多的事实和概念并非绝对肯定能够精确描述的；另外，作为规则本身，如果条件不是很肯定或有程度轻重的情况下，得出的某种结论也有肯定程度上的不同[5]。为了表示这种不确定性，本研究采用了不精确推理技术，同时，根据修井作业专家系统的在修井作业方案的咨询方面的要求，文章在推理方法上采用了正向推理的方式。

对于不精确推理而言，规则通常被描述为：

IF条件1 AND 条件2 AND…AND 条件 n THEN 结论（确定性因子CF）

上式中，结论的确定性因子CF称为规则强度，表示当规则的前提条件全部为真时，规则条件对结论的支持程度，并作为知识的一个重要属性存储于知识库中，在系统数据初始化阶段，该值由领域专家主观给出，作为规则条件的权重存在，在系统运行和反馈的过程中，也可根据修井方案推荐情况进行动态的修正，使系统具有学习和改进的智能性。

正向推理又被称为数据驱动的推理，通过输入事实来与规则中的前件事实匹配，满足时，即可获得规则中的结论事实；同时，当一条规则的结论是另一条规则的前提时，即为中间推理结论时，可以在继续进行匹配，直到获得最终结论，这样就形成了一条正向推理链，可以实现更复杂的推理过程。

3 系统设计

修井作业专家系统主要由修井知识库、推理机、人机接口和基础数据库等主要部分组成。

知识库是修井专家知识的集合，是若干事实、规则的有机整体；推理机根据提供的事实和知识库中的专家知识进行不精确正向推理，得出修井作业的处理方案；人机接口提供人机界面，负责将用户输入转换成为符合推理机要求的事实依据，同时将推理的结果给出解释并输出；修井数据库存储大量的修井工具、修井标准、单井资料等，是修井作业专家系统的辅助工具。

3.1 系统总体设计

本系统采用了基于B/S的Web架构，采用主流的ASP.NET 编程技术，使用关系型数据库存储和操作数据，根据应用的具体场景和专家系统核心组件设计出各个独立功能模块，通过模块间的数据交互实现专家系统的整体功能。

2 功能模块

3.2 系统数据库设计

本系统的数据表示是系统实现的关键部分，主要包括知识库中事实数据、规则数据、推理设计中的推理数据和系统基础数据部分。其中知识库的事实数据采用面向对象思想描述修井作业中的事实，采用了“对象名称”“属性”“属性值”三级描述；规则数据包括规则前件表、规则结论表，规则数据的E-R关系。

在规则前件表中，加入了“权重”来实现不精确推理因子，通过与事实库数据，推理机数据和基础数据的结合，提供了对专家系统的数据支撑，从而实现了专家系统的推理过程。

4 结束语

文章在产生式规则知识表示的基础上，研究了不精确正向推理机制，通过分析研究专家系统结构、组成及各模块的开发过程，完成了专家系统知识库、推理机制、人机接口和基础数据的设计与开发，实现了修井作业专家系统咨询处理的功能，以及修井作业数据管理系统的管理功能，最终实现了符合油田修井作业场景的专家咨询系统，为修井的成功实施提供了可靠的技术保障，为数字化智能油田的建设做出了积极的贡献。

参考文献

[1]邹正伟，张小洪，等.专家系统在修井作业中的应用[J].电子技术与软件工程，2014，44：200.

[2]郑丽敏.人工智能与专家系统原理及其应用[M].中国农业大学出版社，2004.

[3]孔繁胜.知识库系统原理[M].淅江大学出版社，2002.

[4]明柱平，杨文领，刘清友.修井作业专家系统开发研究[J].石油机械，2006，34（4）：53-55.

[5]JosephC.Giarratano，Gray D.Riley.专家系统原理与编程（第4版）[M]，机械工业出版社，2006，8.

[6]吴今培，肖建华.智能故障诊断与专家系统[M].北京： 科学出版社， 1997：1-139.

[7]许云，樊孝忠.在专家系统中利用关系数据库来表达知识[J].计算机工程与应用，2003，22：91-94.

作者简介：单全生（1966-），男，毕业于石油大学（华东），高级工程师，目前从事井下作业、地面工程、天然气处理等方向工作。工作于中国石油塔里木油田分公司开发事业部。

摘 要：为了解决油田现场修井作业中存在的技术力量薄弱，修井领域专家缺乏，从业人员技术水平和经验参差不齐等实际问题，本文分析了在井况事故处理知识的不确定性和多样性情况下，将不精确推理引入到修井作业专家系统中，采用产生式规则表示井况处理知识，使用正向推理的方法，进行事故类型及状态的诊断、获得修井作业方案设计，并构建了基于Web的修井作业专家系统，进一步提高了系统的智能化与科学性。

关键词：修井作业；专家系统；产生式规则；不精确推理；确定性因子CF

引言

斯坦福大学的Edward Feigenbaum教授把专家系统定义为“一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题”[2]。换言之专家系统就是以专家经验性知识为基础建立的，以知识库和推理机为核心的，提供人机交互接口，能够模拟专家决策的智能系统。

随着计算机技术的飞速发展，越来越多的技术被应用到油田生产的各个方面和环节。修井作业作为油田上非常重要的一项日常工作，它主要是指对油、气、水井排除各种井下生产故障、处理井下生产事故、恢复生产，配合各种工艺措施（压裂、酸化、工程测井和堵水等），提高生产能力的作业。随着油井数量的逐年增加，出现事故的频率也将逐渐增多，而经验丰富的修井作业专家又相对不足。在这种情况下，建立修井作业专家系统知识库，研究构造更符合专家模糊思维方式的推理模型，在此基础上开发修井作业专家系统，可以有效解决当前的主要问题。

文章在研究修井专家系统知识表示的基础上，重点分析了井况事故处理知识的不确定性和多样性，将不精确推理引入到推理机构建中，通过正向推理的方法，获得专家咨询结果，构建了基于Web的修井作业专家系统。

1 知识的表示

知识表示就是把知识符号化和形式化的过程。用于知识表示的方法很多，如一阶谓词逻辑表示法、产生式表示法、框架及脚本表示法、语义网络表示法、面向对象的表示法、基于本体的知识表示方法[3]等。

作为修井事故诊断咨询处理的专家系统，文章采用产生式规则[4]来表示从修井专家、专业资料从获取的知识。在产生式系统中， 知识库是由一系列事实和规则构成。

事实，是指对客观事物的属性的值得描述，一般使用三元组（对象，属性，值）或（关系，对象1，对象2）来表示，这种描述能表达客观事物在某条件下的各种属性的真实的值（或状况）；规则，表示了事实（事物）之间的因果关系，可以表示为：“IF condition （前件或模式） THEN action（后件或结论）”，即“如果前件成立，则执行此种操作”的语句模型。

文章通过关系数据库分别建立事实库和规则库的数据表，来实现知识的存储和表示，通过功能强大的数据库管理系统可以方便、快捷的实现数据的增、删、改、查等操作，也能最大限度的保证数据的完整性，从而保证知识的完整和一致性。

2 不精确正向推理

推理是指根据已有的事实，在一定原则下推导出结论的过程。专家系统中，原则就是规则，而规则是推理的核心，在知识表示的基础上，进行的知识推理过程就是求解问题的过程，是实现专家系统功能的重要步骤。

在现实生活中，有许多的事实和概念并非绝对肯定能够精确描述的；另外，作为规则本身，如果条件不是很肯定或有程度轻重的情况下，得出的某种结论也有肯定程度上的不同[5]。为了表示这种不确定性，本研究采用了不精确推理技术，同时，根据修井作业专家系统的在修井作业方案的咨询方面的要求，文章在推理方法上采用了正向推理的方式。

对于不精确推理而言，规则通常被描述为：

IF条件1 AND 条件2 AND…AND 条件 n THEN 结论（确定性因子CF）

上式中，结论的确定性因子CF称为规则强度，表示当规则的前提条件全部为真时，规则条件对结论的支持程度，并作为知识的一个重要属性存储于知识库中，在系统数据初始化阶段，该值由领域专家主观给出，作为规则条件的权重存在，在系统运行和反馈的过程中，也可根据修井方案推荐情况进行动态的修正，使系统具有学习和改进的智能性。

正向推理又被称为数据驱动的推理，通过输入事实来与规则中的前件事实匹配，满足时，即可获得规则中的结论事实；同时，当一条规则的结论是另一条规则的前提时，即为中间推理结论时，可以在继续进行匹配，直到获得最终结论，这样就形成了一条正向推理链，可以实现更复杂的推理过程。

3 系统设计

修井作业专家系统主要由修井知识库、推理机、人机接口和基础数据库等主要部分组成。

知识库是修井专家知识的集合，是若干事实、规则的有机整体；推理机根据提供的事实和知识库中的专家知识进行不精确正向推理，得出修井作业的处理方案；人机接口提供人机界面，负责将用户输入转换成为符合推理机要求的事实依据，同时将推理的结果给出解释并输出；修井数据库存储大量的修井工具、修井标准、单井资料等，是修井作业专家系统的辅助工具。

3.1 系统总体设计

本系统采用了基于B/S的Web架构，采用主流的ASP.NET 编程技术，使用关系型数据库存储和操作数据，根据应用的具体场景和专家系统核心组件设计出各个独立功能模块，通过模块间的数据交互实现专家系统的整体功能。

2 功能模块

3.2 系统数据库设计

本系统的数据表示是系统实现的关键部分，主要包括知识库中事实数据、规则数据、推理设计中的推理数据和系统基础数据部分。其中知识库的事实数据采用面向对象思想描述修井作业中的事实，采用了“对象名称”“属性”“属性值”三级描述；规则数据包括规则前件表、规则结论表，规则数据的E-R关系。

在规则前件表中，加入了“权重”来实现不精确推理因子，通过与事实库数据，推理机数据和基础数据的结合，提供了对专家系统的数据支撑，从而实现了专家系统的推理过程。

4 结束语

文章在产生式规则知识表示的基础上，研究了不精确正向推理机制，通过分析研究专家系统结构、组成及各模块的开发过程，完成了专家系统知识库、推理机制、人机接口和基础数据的设计与开发，实现了修井作业专家系统咨询处理的功能，以及修井作业数据管理系统的管理功能，最终实现了符合油田修井作业场景的专家咨询系统，为修井的成功实施提供了可靠的技术保障，为数字化智能油田的建设做出了积极的贡献。

参考文献

[1]邹正伟，张小洪，等.专家系统在修井作业中的应用[J].电子技术与软件工程，2014，44：200.

[2]郑丽敏.人工智能与专家系统原理及其应用[M].中国农业大学出版社，2004.

[3]孔繁胜.知识库系统原理[M].淅江大学出版社，2002.

[4]明柱平，杨文领，刘清友.修井作业专家系统开发研究[J].石油机械，2006，34（4）：53-55.

[5]JosephC.Giarratano，Gray D.Riley.专家系统原理与编程（第4版）[M]，机械工业出版社，2006，8.

[6]吴今培，肖建华.智能故障诊断与专家系统[M].北京： 科学出版社， 1997：1-139.

[7]许云，樊孝忠.在专家系统中利用关系数据库来表达知识[J].计算机工程与应用，2003，22：91-94.

作者简介：单全生（1966-），男，毕业于石油大学（华东），高级工程师，目前从事井下作业、地面工程、天然气处理等方向工作。工作于中国石油塔里木油田分公司开发事业部。

摘 要：为了解决油田现场修井作业中存在的技术力量薄弱，修井领域专家缺乏，从业人员技术水平和经验参差不齐等实际问题，本文分析了在井况事故处理知识的不确定性和多样性情况下，将不精确推理引入到修井作业专家系统中，采用产生式规则表示井况处理知识，使用正向推理的方法，进行事故类型及状态的诊断、获得修井作业方案设计，并构建了基于Web的修井作业专家系统，进一步提高了系统的智能化与科学性。

关键词：修井作业；专家系统；产生式规则；不精确推理；确定性因子CF

引言

斯坦福大学的Edward Feigenbaum教授把专家系统定义为“一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题”[2]。换言之专家系统就是以专家经验性知识为基础建立的，以知识库和推理机为核心的，提供人机交互接口，能够模拟专家决策的智能系统。

随着计算机技术的飞速发展，越来越多的技术被应用到油田生产的各个方面和环节。修井作业作为油田上非常重要的一项日常工作，它主要是指对油、气、水井排除各种井下生产故障、处理井下生产事故、恢复生产，配合各种工艺措施（压裂、酸化、工程测井和堵水等），提高生产能力的作业。随着油井数量的逐年增加，出现事故的频率也将逐渐增多，而经验丰富的修井作业专家又相对不足。在这种情况下，建立修井作业专家系统知识库，研究构造更符合专家模糊思维方式的推理模型，在此基础上开发修井作业专家系统，可以有效解决当前的主要问题。

文章在研究修井专家系统知识表示的基础上，重点分析了井况事故处理知识的不确定性和多样性，将不精确推理引入到推理机构建中，通过正向推理的方法，获得专家咨询结果，构建了基于Web的修井作业专家系统。

1 知识的表示

知识表示就是把知识符号化和形式化的过程。用于知识表示的方法很多，如一阶谓词逻辑表示法、产生式表示法、框架及脚本表示法、语义网络表示法、面向对象的表示法、基于本体的知识表示方法[3]等。

作为修井事故诊断咨询处理的专家系统，文章采用产生式规则[4]来表示从修井专家、专业资料从获取的知识。在产生式系统中， 知识库是由一系列事实和规则构成。

事实，是指对客观事物的属性的值得描述，一般使用三元组（对象，属性，值）或（关系，对象1，对象2）来表示，这种描述能表达客观事物在某条件下的各种属性的真实的值（或状况）；规则，表示了事实（事物）之间的因果关系，可以表示为：“IF condition （前件或模式） THEN action（后件或结论）”，即“如果前件成立，则执行此种操作”的语句模型。

文章通过关系数据库分别建立事实库和规则库的数据表，来实现知识的存储和表示，通过功能强大的数据库管理系统可以方便、快捷的实现数据的增、删、改、查等操作，也能最大限度的保证数据的完整性，从而保证知识的完整和一致性。

2 不精确正向推理

推理是指根据已有的事实，在一定原则下推导出结论的过程。专家系统中，原则就是规则，而规则是推理的核心，在知识表示的基础上，进行的知识推理过程就是求解问题的过程，是实现专家系统功能的重要步骤。

在现实生活中，有许多的事实和概念并非绝对肯定能够精确描述的；另外，作为规则本身，如果条件不是很肯定或有程度轻重的情况下，得出的某种结论也有肯定程度上的不同[5]。为了表示这种不确定性，本研究采用了不精确推理技术，同时，根据修井作业专家系统的在修井作业方案的咨询方面的要求，文章在推理方法上采用了正向推理的方式。

对于不精确推理而言，规则通常被描述为：

IF条件1 AND 条件2 AND…AND 条件 n THEN 结论（确定性因子CF）

上式中，结论的确定性因子CF称为规则强度，表示当规则的前提条件全部为真时，规则条件对结论的支持程度，并作为知识的一个重要属性存储于知识库中，在系统数据初始化阶段，该值由领域专家主观给出，作为规则条件的权重存在，在系统运行和反馈的过程中，也可根据修井方案推荐情况进行动态的修正，使系统具有学习和改进的智能性。

正向推理又被称为数据驱动的推理，通过输入事实来与规则中的前件事实匹配，满足时，即可获得规则中的结论事实；同时，当一条规则的结论是另一条规则的前提时，即为中间推理结论时，可以在继续进行匹配，直到获得最终结论，这样就形成了一条正向推理链，可以实现更复杂的推理过程。

3 系统设计

修井作业专家系统主要由修井知识库、推理机、人机接口和基础数据库等主要部分组成。

知识库是修井专家知识的集合，是若干事实、规则的有机整体；推理机根据提供的事实和知识库中的专家知识进行不精确正向推理，得出修井作业的处理方案；人机接口提供人机界面，负责将用户输入转换成为符合推理机要求的事实依据，同时将推理的结果给出解释并输出；修井数据库存储大量的修井工具、修井标准、单井资料等，是修井作业专家系统的辅助工具。

3.1 系统总体设计

本系统采用了基于B/S的Web架构，采用主流的ASP.NET 编程技术，使用关系型数据库存储和操作数据，根据应用的具体场景和专家系统核心组件设计出各个独立功能模块，通过模块间的数据交互实现专家系统的整体功能。

2 功能模块

3.2 系统数据库设计

本系统的数据表示是系统实现的关键部分，主要包括知识库中事实数据、规则数据、推理设计中的推理数据和系统基础数据部分。其中知识库的事实数据采用面向对象思想描述修井作业中的事实，采用了“对象名称”“属性”“属性值”三级描述；规则数据包括规则前件表、规则结论表，规则数据的E-R关系。

在规则前件表中，加入了“权重”来实现不精确推理因子，通过与事实库数据，推理机数据和基础数据的结合，提供了对专家系统的数据支撑，从而实现了专家系统的推理过程。

4 结束语

文章在产生式规则知识表示的基础上，研究了不精确正向推理机制，通过分析研究专家系统结构、组成及各模块的开发过程，完成了专家系统知识库、推理机制、人机接口和基础数据的设计与开发，实现了修井作业专家系统咨询处理的功能，以及修井作业数据管理系统的管理功能，最终实现了符合油田修井作业场景的专家咨询系统，为修井的成功实施提供了可靠的技术保障，为数字化智能油田的建设做出了积极的贡献。

参考文献

[1]邹正伟，张小洪，等.专家系统在修井作业中的应用[J].电子技术与软件工程，2014，44：200.

[2]郑丽敏.人工智能与专家系统原理及其应用[M].中国农业大学出版社，2004.

[3]孔繁胜.知识库系统原理[M].淅江大学出版社，2002.

[4]明柱平，杨文领，刘清友.修井作业专家系统开发研究[J].石油机械，2006，34（4）：53-55.

[5]JosephC.Giarratano，Gray D.Riley.专家系统原理与编程（第4版）[M]，机械工业出版社，2006，8.

[6]吴今培，肖建华.智能故障诊断与专家系统[M].北京： 科学出版社， 1997：1-139.

[7]许云，樊孝忠.在专家系统中利用关系数据库来表达知识[J].计算机工程与应用，2003，22：91-94.

作者简介：单全生（1966-），男，毕业于石油大学（华东），高级工程师，目前从事井下作业、地面工程、天然气处理等方向工作。工作于中国石油塔里木油田分公司开发事业部。