基于數據挖掘與物聯網技術的鉆井液大數據分析推薦平臺

王建勝 李綺琛 高翔

摘 要：隨著信息技術、設備自動化智能化技術和鉆井液技術的發展，人們對以往依靠專家團隊對鉆井液數據的應用分析提出了新要求。文中提出的基于數據挖掘與物聯網技術的鉆井液大數據處理與分析推薦平臺，充分利用了當前新興的物聯網WebGIS技術對復雜情況進行分析，通過大數據分析技術對長期積累的數據進行數理統計優化處理，使用云計算技術對采集到的數據進行計算，并基于機器學習、數據挖掘技術探尋數據潛在的規律用于指導生產，推薦算法的使用進一步加大了該平臺的智能性，能夠較好地輔助科學決策。試點單位使用后的結果表明：該平臺的使用可以根據不同區塊、不同地層、不同井段，產生鉆井液處理劑使用情況參考模型，推薦優化方案;對結果進行提示，持續積累各種復雜情況的處理方案知識庫，確保鉆井液維護的及時性、資料的真實性和準確性;及時預防井下復雜事故、減輕鉆井液技術人員的工作量;促進管理者的科學決策，為公司帶來較大收益。

關鍵詞：鉆井液;物聯網技術;大數據;智能;數據挖掘;機器學習

中圖分類號：TP316;TE28文獻標識碼：A文章編號：2095-1302（2020）11-00-03

0 引 言

目前，石油勘探往深井、超深井方向發展是大勢所趨。而在鉆井過程中，鉆井液的作用至關重要，直接關系著整個鉆井作業過程的安全和成敗。在鉆井作業過程中通過及時、準確地跟蹤觀察和分析鉆井液量及其性能、參數的變化，收集相關鉆井液的數據資料，并對異常進行及時報警和有效處置，就能有效減少和消除因井漏、井塌、井涌等井下安全事故可能造成重大的人員和財產損失。

長慶鉆井總公司進行著長期的信息化建設，數據庫中已有大量的結構化和非結構化的數據。結合鉆井公司業務流程，鉆井液大數據分析推薦平臺的建設和川慶一期平臺[1]相結合，通過無線傳輸有線接入方式與鉆井數據庫進行數據共享，實現了多源數據集成、清洗、治理;并可以利用數據挖掘，數理統計技術分析歷史數據;對專家經驗進行數字化處理，建立用于被計算機分析處理的規則，對鉆井隊采集到的數據進行計算，評價鉆井效率，推送推薦方案;支持檢索案例信息庫，提供事故發生時的依據和參考，輔助科學決策。

鉆井液數據分析推薦平臺的建設、完善、優化，拓展了川慶一期平臺的技術架構，擴充并完善了企業鉆井液相關技術信息的數據知識庫，為推動企業鉆井液相關信息技術的提升和發展提供數據資源支撐;進一步完善并持續優化了企業鉆井液信息數據分析診斷指標體系的設計和架構，極大地方便了現場工作人員;進一步優化完善了企業鉆井液數據自動采集體系，在采集數據過程中，支持多種網絡環境自動切換，改變了傳統的井場數據采集[2]模式;基于機器學習和數據挖掘技術，依靠多年來積累的鉆井數據，利用挖掘算法，如神經網絡[3]等機器學習和知識發現的方法，實現智能分析、智能建議和井下預警提醒。

1 系統概述

鉆井液數據分析推薦平臺實現了移動終端APP和PC端兩套系統，主要具有如下幾方面特點：

（1）首次借助大數據分析技術[4]對單井鉆井液性能數據實時診斷預警并進行分析，推薦解決方案;

（2）可以持續積累各種復雜情況的處理方案知識庫，對鄰井復雜情況及同地層復雜情況進行相關數據分析，并智能推薦處置方案;

（3）創造性地結合了不同分析模式、分析指標、分析維度、分析粒度進行塊地層的鉆井液性能深層次對比;

（4）采用多維分析及挖掘算法進行鉆井液綜合性能、電測分析、處理劑加量與性能相關分析;

（5）通過移動終端APP將井隊采集的鉆井液信息數據及時上傳，將歷史數據中技術研究成果上傳，方便井隊鉆井液維護、錄入井下復雜事故狀況和處理過程等信息，保存手機拍攝的現場圖像，從而更全面、更詳細地記錄現場處理信息，為后期施工提供更好的幫助。

2 系統總體結構

2.1 系統設計原則

（1）先進性原則

在系統的開發建設中，結合當前流行的物聯網技術、大數據處理技術、人工智能技術、云計算技術，保證系統在今后較長一段時期內具備先進性。

（2）易用性原則

系統采用B/S架構[5]，操作界面友好、操作流程簡單。此外，該系統還兼顧用戶移動終端與PC端不同的需求。

（3）實用性原則

系統不但切合實際工作需求，同時也汲取了以前系統的精髓，并在此基礎上進行了完善，以保證系統滿足實際工作的需要。系統能夠7×24 h連續不間斷工作，在井隊大規模并發應用的情況下，能夠穩定高效運行。

（4）易擴充性原則

作為智慧化、一體化的服務系統，用戶需求在不斷提高，實際的數據要求也在不斷變化，所以在開發系統時，我們充分考慮了系統的可擴展性，以滿足日后不斷發展的需要。

（5）安全性和完整性原則

系統采用大型關系型數據庫SQL Server和MySQL作為存儲數據的管理軟件，實現了數據庫系統的安全性和完整性。

2.2 系統架構

在平臺建設初期，我們進行了系統功能和技術調研研究。在此基礎上搭建的鉆井液大數據分析推薦平臺，通過對井隊施工過程中上報的鉆井液相關數據及無線傳輸系統的數據采集和集成，進行深度的數據分析，從而為鉆井隊施工推薦優化方案，也為管理者決策提供數據支持。整體來看，該平臺由“3個層次，5大應用，2套系統”構成。

2.2.1 平臺的3個層次

（1）數據采集與集成管理層。數據采集與集成是企業信息化建設的重要環節。只有在信息交互通暢的情況下，各個“分散”的信息系統才能集成為一個“綜合性”系統。數據采集是指從系統外部獲取數據，經過數據轉換并保存的過程，數據來源可能是硬件設備也可能是軟件系統;數據集成則指的是將多種來源的多種數據集中起來的過程。兩者本質上都是將異源或者異構的數據通過數據移動、數據轉換實現信息整合。對企業來說，數據中含有巨大價值，翔實的數據集成，可以使數據挖掘結果更加可靠，反應的規律更具有指導價值。

（2）數據分析管理層。該層的目的是在一大批雜亂無章的結構化、非結構化的數據中，集中對數據進行處理，將數據中的價值萃取和提煉出來，以找出所研究對象的內在規律。

（3）數據服務管理層。它是在以上兩層的基礎上，采用一些工具或者在平臺上開發的應用來實現對結論的分析，推薦優化方案等;對于管理者而言，可以促進管理者根據直觀數據科學進行決策，助力企業提高收益。系統層次如圖1所示。

2.2.2 平臺的5大應用

平臺應用包括數據采集與集成管理、數據分析、規則診斷和預警、分析結論、決策支持。

2.2.3 平臺的2套系統

平臺系統包括鉆井液大數據分析推薦平臺手機APP端，鉆井液大數據分析推薦平臺PC端。

2.3 系統技術架構

為了更好地實現平臺三層物理架構搭建，平臺采用具有可移植性、開源代碼庫可用性、穩定性等優點的SOA技術架構[6]。SOA采用表現層、中間層（業務邏輯層）和數據服務層三層結構，將業務規則、數據訪問及合法性校驗等放在中間層處理。客戶端不直接與數據庫交互，而是通過組件與中間層建立連接，再由中間層與數據庫交互。采用該技術確保了數據的安全性和可靠性。

Spring+MyBatis框架是中間層的技術解決方案。MVC框架采用的是Spring MVC。Spring框架將Web層（MVC模式中用戶與頁面的交互）、Service層（負責實現業務邏輯）、DAO層（負責與持久化對象交互）及PO層（持久化對象）無縫整合。本系統采用MyBatis作為持久層，其最大特點是可以以面向對象及面向關系的方式進行系統分析、系統設計。

3 系統實現

3.1 系統實現技術路線

3.1.1 鉆井液大數據分析推薦平臺手機APP端技術路線

考慮到APP功能的實現效果以及現有技術特點和優勢，手機APP端采用了能賦予瀏覽器更多功能的HTML5開發。CSS3技術目前已經發展成熟，可以實現對頁面布局、字體、顏色、背景和其他效果的精確控制;多種終端的不同屏寬尺寸、像素比以及屏幕的旋轉取向、動態調整頁面布局（元素位置和大小）、選擇性地顯示頁面內容等問題，采用Bootstrap響應式布局解決以達到最佳視覺展示效果;同時采用了適用于移動開發的Cordova框架，可以大大提高軟件開發效率、縮短軟件開發周期、減少軟件開發及維護成本;采用了可與Cordova配合使用的ionic框架，優化了HTML5和CSS3的性能，構建高效的應用程序，讓自定義開發的應用程序能夠使用硬件加速功能，逐步形成一個可靠的、強大的生態系統。APP端數據錄入功能實現界面如圖2所示。

3.1.2 鉆井液大數據分析推薦平臺PC端技術路線

（1）根據復雜事故所在省區智能繪圖，顯示各地區復雜事故統計，復雜事故詳細信息，以及各種類型井鉆井液的相關屬性。綜上選擇了百度出品的工具—ECharts，其開源、兼容性好，視圖功能強大，可以流暢地運行在PC、移動設備上，廣受用戶青睞。

（2）對復雜事故省區分析，不僅需要顯示出井口的地理位置，還要確定具體坐標，并且可查閱該井的資料，做好預警提示;還需要對同一復雜類型或鄰井施工數據進行GIS分析，用不同顏色區分事故動態。鑒于以上需求，我們采用了功能更加完善的GIS分析工具[7]—WebGIS。

（3）形成鉆井液匯報表，能進行較多內容的匯報查看，語音匯報等非結構化數據的匯報工作;可以按項目部、項目組、井隊的統計情況查詢每天鉆井液班報信息。鑒于需求靈活多變，故我們采用了FineReport作為系統的報表開發工具。該工具平臺兼容性良好，支持各種操作系統，支持主流Web應用服務器。此外，它還具有數據報表展現與輸出、數據查詢與過濾、數據可視化與交互、數據填報、報表管理等多種功能，可以滿足本平臺數據操作需求。

（4）能進行單井單性能趨勢分析、單井多性能趨勢分析等操作;能對鉆井液數據等進行大數據分析并給出相應的建議和預警;能對鉆井進行智能跟蹤和分析，并且能對數據挖掘工作進行分析推薦[8]。根據數據挖掘[9]和機器學習[10]的需求，我們采取了擬合回歸的設計思路。通過大量實踐性工作，對比擇優后我們選擇神經網絡回歸和線性回歸作為分析算法，并在此基礎上不斷優化配置，做出了令人滿意的效果。PC端各地區復雜事故統計功能實現界面如圖3所示。

3.2 系統實現

鉆井液大數據分析推薦平臺的建設目標。

（1）支持各種鉆井液性能數據、處理劑使用數據、維護處理措施、異常檢測信息、電測數據的自動采集，并實時集成后通過無線傳輸發送到數據庫。同時，系統支持數的多維分析、信息的動態查詢及數據的綜合處理分析，具有生成不同視角下的分析報表、產生參考模型、推薦最優解決方案、預測數據的發展趨勢、檢測數據異常值、實現異常數據報警功能，并可以實現電測分析，項目部日常監控等。

（2）對企業已有的鉆井液信息知識庫進行持續擴充，從而實現同一區塊類型井眼的鉆井、不同區塊井型的監測預警以及解決方案信息的智能實時推送。它還支持在線對比、評價及知識庫的自動更新，更新數據又進一步訓練模型，使得模型優化，從而提高了預測準確率。

（3）建立并完善鉆井液數據分析推薦體系，輕松實現單井實時數據診斷、智能提示綜合分析評價。根據施工區塊、地層分別推薦各種鉆井液性能和處理劑實際用量;根據需要研究不同施工區塊、不同施工地層、不同施工井段的鉆井液用量性能、參數和鉆井液處理劑實際使用量情況，分析篩選出最優評價指標，產生一個參考模型。然后將正進行施工數據與參考模型進行對比，對結果進行智能提示。

（4）優化、完善鉆井液數據采集體系。利用手持終端APP實現鉆井液數據的增、刪、改、查和數據上傳;通過手機APP進行語音識別并智能錄入，可完整記錄鉆井隊現場鉆井液實時處理過程;進行圖像采集、歸類編輯上傳;通過手機APP掃描鉆井液材料上的二維碼，可以提取材料名稱、價格、廠家、產地、生產批次等信息，自動錄入系統并上傳服務器，從而實現鉆井液用料的有效跟蹤和信息系統數據的快速采集。系統支持測井遇阻等數據的采集，支持多種網絡自動切換，此外也是鉆井液小助手第三方APP算法集成適配平臺。

4 結 語

長慶鉆井年鉆井能力在500萬米以上，多年來在鉆井提速方面一直走在行業前列。本文提出的鉆井液大數據分析推薦平臺，針對公司多年積累的鉆井液數據進行深度挖掘利用，實現鉆井液成分等關鍵因素分析預測，大大減少了鉆井液的浪費和機器損傷，有效節約了資源，避免了浪費;有效降低了鉆井過程中危險發生的概率，顯著降低了資產損失，為企業提高效率和提升管理水平提供了強力支持，具有非常好的應用前景。此外，該平臺在探索大數據分析技術以及新型人工智能技術在鉆井行業的應用，提升企業的綜合競爭力和社會影響力方面也大有裨益。

參考文獻

[1]劉勝娃，李衛，張越.長慶鉆井公司統一通信平臺的設計與實現[J].物聯網技術，2017，7（4）：62-63.

[2]賴福斌.錄井現場數據實時采集與傳輸系統設計[J].信息系統工程，2019，32（2）：49.

[3]周飛燕，金林鵬，董軍. 卷積神經網絡研究綜述[J].計算機學報，2017，40（6）：1229-1250.

[4]王斌.基于云計算的GIS大數據分析技術與應用[J].國外電子測量技術，2019，38（9）：136-141.

[5]王平，賈化萍.C/S和B/S結合模式下應用系統的研究與開發[J].電腦與信息技術，2006，14（1）：50-53.

[6]肖祥林，周春容. 基于云+SOA架構的異構智慧校園平臺設計與實現[J]. 電子設計工程，2018，26（4）：85-89.

[7]魏廣群，蔣利利，張蒙蒙，等. 基于WebGIS城市規劃一張圖管理系統的設計與實現[J].科技視界，2018，8（3）：11-14.

[8]馬婧，吳清烈.面向C2B個性化定制的智能推薦算法研究[J].工業工程，2018，21（5）：87-92.

[9]鐘曉，馬少平，張鈸，等.數據挖掘綜述[J].模式識別與人工智能，2001，13（1）：50-57.

[10]楊金勞.機器學習算法在數據挖掘中的應用[J].電子技術與軟件工程，2018，25（4）：191.