油田信息处理中数据挖掘技术的应用探析

田巧燕（长庆油田分公司第九采油厂，银川　750006）

油田信息处理中数据挖掘技术的应用探析

田巧燕
（长庆油田分公司第九采油厂，银川750006）

随着科学技术的不断发展，在油田信息处理中也逐渐引入数据挖掘技术。数据挖掘技术作为现代化的产物，对于油田企业发展有着重要的推动作用。因此，本文在分析油田企业数据挖掘系统的基础上，对信息处理中数据挖掘技术的具体应用进行探讨。

油田；信息处理；数据挖掘技术

0　引言

数据挖掘技术在油田企业中的应用，让油田企业得到可持续的发展推动力。针对油田企业而言，想要做好信息的处理，利用数据挖掘技术可以轻松的达到目标，满足要求。所以，本文也将重点放置在数据挖掘技术的应用之上。

1　油田企业的数据挖掘系统

图1是油田企业的数据挖掘系统结构示意图。在数据挖掘中，主要包含了数据准备、数据挖掘以及结果的评估与解释。第一，准备阶段：是耗时最多的阶段，在这一个阶段中，需要将挖掘的数据建立一个数据的集合，这一个数据集合可以是数据仓库、数据库，甚至是一个数据表格。第二，数据挖掘阶段：明确数据的挖掘目的，如关联规则、分类、聚类等。在挖掘目标确定之后，就可以选择挖掘算法。等待挖掘结果得出后，可能会出现无关或冗余的情况，也可能无法与用户的要求相互匹配，那么不满足要求的结果就必须剔除掉。按照用户可视化的需求，所挖掘的结果应当通过转化，成为用户能够理解的方法。这一过程就是挖掘结果的评估与解释过程。

图1　典型的数据挖掘系统结构

2　油田企业信息处理中数据挖掘技术的应用

第一，在建立油田数据挖掘仓库后，利用仓库平台，就可以开展数据的挖掘工作。在明确前提目标之后，才可以认识到数据挖掘对于整体的重要性。针对油田的数据应用平台，其目标包含：如果事物偏离的常规，同时还发生了异常情况，就需要加以揭示。其中，单量异常变化、含水异常变化和超注欠注是油田存在的主要异常情况，通过聚类分析或者是分类分析，就可以对此做出详细的分析。如此操作就可以发现泄漏、井号异常等问题，同时优化运行参数，减少盗油犯罪行为的发生率，提供一个安全的油田正常运行环境；将事物与事物之间都存在的相互联系与相互依赖的知识加以揭示。在油田数据应用平台当中，通过分析变量之间的联系密切程度，就可以揭示各个事物之间的联系，也可以分析数据之间的联系，同时，基于数据观测的基础，在变量间建立依赖关系，其中可以选择回归分析、相关分析以及时间序列分析三种分析法；按照之前测得的数据结果，也可以在一定程度上推测未来数据。

第二，数据挖掘技术的应用，应该将要达到的目标，需要解决的问题一一明确。针对目标，可以给出如下的定义：利用分类法或者是聚类法来分析异常现象；利用相关分析、时间序列分析和回归分析等挖掘数据之间的联系，以此来分析各个变量对于油田生产可能产生的影响，从而将分散的数据融合，以便指导后续的生产；在油田生产经营环节实现信息化建设，这样可以很好的积累历史数据和生产经营成果。在挖掘这一部分数据背后的知识，并做出提出的过程中可以使用兴趣模型，探索油田生产规律，从而预测油藏开发指标和未来的生产情况等，这样才可以提供依据，供后续生产方案的优化和调整。

第三，在完成数据应用平台的数据准备之后，就可以进行数据的探索与模型的应用等一系列的工作。建立数据模型是数据挖掘工作中的核心环节，在这一个模型中有效地集中了模糊聚类、统计分析、贝叶斯预测、关联规则等各种数据挖掘算法，再通过多种建模方式的比较与综合，就可以建立出数学模型。另外，数据分为校验和训练两方面的数据，在检验模型中需要

第四，针对油田的信息处理，在大量数据当中选择训练样本，极有可能出现数据方面的误差，部分明显的矛盾会对网络训练的准确性产生影响，降低识别网络的能力，所以，需要针对训练样本进行有效地筛选。筛选中可以利用剔除冗余和无关的方式，如果模式无法满足用户的需求，就需要重新的选取数据，换一种算法重新进行数据的挖掘，或者是重新的设定数据挖掘参数值，应用新数据变化方法。这样，才可以合理地利用数据挖掘技术进行油田企业的信息处理。

3　结语

总而言之，随着时代的发展，越来越多的科学技术被应用到各个行业的生产和日常的事物处理中。针对油田企业的信息处理，通过数据挖掘技术的合理应用，就可以很好地完善整体信息处理程序，让油田企业更好地发展下去。所以，在今后的油田企业信息处理中，还应该更进一步研究数据挖掘技术，认识到数据挖掘技术能够带来什么、推动什么。

主要参考文献

［1］罗琳.数据挖掘在企业信息处理中的应用［J］.大众科技，2009（7）：65－66.

［2］于世春.数据挖掘技术在油水井工况系统应用探讨［J］.化学工程与装备，2015（10）：115－118.

［3］李华，刘帅，李茂，等.数据挖掘理论及应用研究［J］.断块油气田，2010 （1）：88－91.

10.3969/j.issn.1673-0194.2016.17.043

TP391

A

1673-0194（2016）17-0092-02

2016-06-03使用校验数据，而模型参数求解则要利用训练数据。将检验数据带入已经建立的模型中，是模型检验的核心任务，需要观察模型的响应情况，准确的进行模型评估，则需要通过模型与真实数据的相互比较来实现。如果准确性比交叉，就需要通过新模型的建立，来重新探索数据，检验新模型。所以，检验模型、建立模型、探索数据就成为油田企业信息处理中数据挖掘技术实际应用需要反复操作的过程。