大數據融合技術助力山地地震隊智能化發展研究

鄧可欣 米揚耿一丹 龔宇飛

［摘 ? ?要］ 物探地震采集業務將進入智能化時代，即以大數據為核心，以云平臺為基礎，以新市場、新方向為契機，打造“智慧物探”，實現全業務鏈數據互聯、技術互通和業務協同。東方物探公司智能化地震隊，利用大數據和信息安全相關技術，基于微服務技術架構建設符合企業管控要求的大數據平臺，逐步實現數據的服務化、效益化，對甲方單位能按需輸送數據，對上級單位能按要求上報數據，對本企業能以生產數據為主線，將安全數據嵌入其中進行處理和分析，讓生產與安全高度融合，隨時隨需提供決策支撐。本文主要探索研究了大數據技術定義和特點，并通過分析國內外石油公司大數據平臺發展現狀，現階段國內石油公司存在的差距和痛點，討論了大數據技術平臺建設對地震勘探的重要性，為分公司石油勘探大數據平臺建設提出技術方案，最后對其在數字化轉型場景中的應用進行了展望，認為通過大數據技術平臺去抽取、處理和融合來自上級單位和分公司的各系統數據，形成共享共生的數據生態圈，將有力地推動山地地震隊智能化發展。

［關鍵詞］ 大數據；地震隊；智能化

doi ： 10 . 3969 / j . issn . 1673 - 0194. 2023. 11. 036

［中圖分類號］ F272.7；TP315 ? ?［文獻標識碼］ ?A ? ? ?［文章編號］ ?1673 - 0194（2023）11- 0125- 04

０ ? ? ?引 ? ?言

石油企業各業務系統建設的大力推行，產生了大量的業務和管理數據，隨著移動互聯網絡、智能終端的廣泛普及，數據的范圍、類型和內涵也在不斷地擴展，同時還有一些不完備和不易理解的數據，如傳感器、流文件等數據量大、種類多、流動速度快的數據，采用傳統技術已經不能進行處理，需要引入大數據這樣新的技術和平臺進行數據收集、處理和應用。

油氣勘探工作具有高密度、快節奏的特點，生產經營和安全應急管理融合不斷深入，對全面聯動協同作戰運作模式的需求日益緊迫，因此，物探企業應在生產經營安全系統化管理的同時，善用大數據技術鏈接各業務系統并抽取數據，把各數據庫串聯起來，規范數據來源和標準，驗證數據準確性，打通生產業務邊界、部門邊界甚至企業邊界的數據主線、價值鏈主線，實現信息聯通和流程聯通，敏捷開發和迭代更新眾多的業務應用軟件，消除數據孤島，以應對日益多變的甲方需求和創新挑戰。

依托智能化裝備和智能可穿戴等技術，對經營狀況、野外生產安全、人員健康和設備運行數據深度分析，預測生產項目中人財物的最佳配置、安全風險和設備故障概率，預先做好保障維護和應急準備工作，讓項目不停頓、不間斷地順利運行，從而進行采集施工設計和部署分析、生產流程優化、智能生產指揮、智能物探專家指導等，拓展公司的目標市場，促進行業進步和轉型。

油氣勘探的工作對象是不可見的地下巖層，生產數據和成果數據每日可達ＴＢ級，包含大量的結構化和非結構化數據。對于這些數據，一是需要實時采集和分析預警，形成相應的智能指揮中心；二是隨著時間推移，沉淀下來的數據和經驗不能沉睡，可據此建立趨勢預判庫和專家經驗庫，形成相應的智慧大腦中心，讓企業利用大數據技術實現精準決策，從而提質增效，提高生產安全性，增強企業的競爭力和提升市場占有率。

１ ? ? ?發展趨勢與差距痛點分析

１．１ ? 發展趨勢

從油田服務行業信息化發展趨勢看，目前國內外油服公司不斷提高石油工程技術的智能化程度并且越來越多的油服公司開始關注大數據分析技術，均以智能化發展為方向，以云計算、物聯網、移動應用、大數據等ＩＴ技術構建信息化平臺、建立大數據分析平臺。一是通過大數據分析平臺將作業人員、施工過程和專業技術聯系起來，以實現價值的最大化；二是針對具體施工場景通過大數據平臺發現關聯關系和制約因素，并預判關聯關系會帶來的結果，提高生產環節預見性，實現各業務的優化；三是云化趨勢的演進使石油企業能夠更專注于數據和業務邏輯，不需要擔心如何維護底層的硬件和網絡。因此利用大數據、智能化技術改進石油企業的生產作業，降本增效已成為國內外各大石油公司的廣泛共識。

從業務發展趨勢看，專業技術的發展和綜合管理能力的提高都依賴于現代信息技術和裝備儀器技術的進步。“智能物聯網＋技術創新＋裝備研發”將是未來物探行業持續發展的主要方向，實施低成本、高精度、智能化發展戰略是在物探企業提升國際競爭力的關鍵。

從整體來看，按照國際通行的“十段法”衡量，與行業最佳實踐對標，可發現中石油工程技術企業還處于部分實現自動化監測、初步診斷與資源共享的階段，與哈里伯頓、斯倫貝謝、貝克休斯等國際石油公司存在較大差距。

１．２ ? 痛點與挑戰

隨著油氣勘探的深入和工程技術的發展，數據貫穿于石油勘探的整個過程，并且有了良好的積累，為大數據技術的應用奠定了數據基礎。物探行業大數據具有體量大、時效性強、多樣性、準確性和獨特性五大特點，其面臨以下主要問題。

一是數據采集傳輸瓶頸，受到野外地域、地形、地貌的影響沒有形成覆蓋全作業現場的高速網絡與網絡安全傳輸機制，嚴重影響數據采集及其時效性。

二是數據內容繁多，有施工設計數據、踏勘數據、過程記錄數據、施工實時動態數據、衛星影像數據、野外地質圖資料、單炮成果數據等，數據形態各異，包括各類靜態結構化表格數據、非結構化的視頻和圖片以及ＳＧＤ／ＳＧＹ數據等，缺乏數據建設的統一標準，數據管理與質量控制處于初步階段并且存在數據煙囪、數據孤島現象。

三是由于裝備數字化、安全風險管理信息化程度不夠，導致生產管理綜合指揮能力不足。

四是大數據、人工智能、移動應用、云計算等信息技術在物探采集領域應用程度還不夠高。

綜上，需要以大數據為核心，以云平臺為基礎著力規范數據采集，建立高速網絡，統一數據管理與共享，建設多元化應用，實現智能生產運行和指揮、精益經營管理和科學決策支持。

２ ? ? ?系統框架設計研究

根據集團公司“數字化轉型、智能化發展”的指導思想和發展戰略，充分利用東方物探公司云平臺和數據湖的思路，以及石油企業高速網絡和超大計算能力的基礎硬件設施，基于東方物探公司智能化地震隊這一大平臺，通過接口調用大平臺上的基礎公共服務，采用微服務框架和中間件服務方式，設計搭建具有山地地震隊特色的大數據技術平臺，敏捷應對業務變化，做到伸縮可控。

大數據技術平臺總體架構可按照“兩體系一平臺三中心”模式進行建設，如圖１所示。

“兩體系”為安全防護體系和標準規范體系，均在東方公司智能化地震隊的體系下進行建設，融合為一體化的體系標準規范和信息安全保障。

“一平臺”是大數據技術平臺的核心，可分為五層三臺三板塊。設施層和邊緣層組成數據基礎板塊，主要提供云服務器、網絡、云存儲、數據的采集傳輸和分布在各野外作業隊的邊緣計算等服務。接入層、準備層和分析層組成數據加工板塊，主要提供了一整套全面及可擴展、可集成的組件，借助這些開箱即用的組件完成企業內部分散在各個地方的數據的對接、加工，為數據可視化分析結果展示做好準備。接入層能快速鏈接上級單位和分公司各業務現有數據源，并且快速互聯東方公司智能化地震隊，為其提供要求的業務數據，從而構建統一的數據分析平臺；準備層為一體化的數據加工處理和模型構建服務，可以將業務數據進行清洗加工，并且允許將大數據量的表抽取到高速緩存層中進行性能加速，還能借助跨庫引擎，抽取直接跨庫查詢，同時通過技術手段（ＳＱＬ數據集、ＪＡＶＡ數據集等）或業務手段（業務主題、自助數據集等）完成數據分析模型的構建；分析層體現在分析展現手段方面，支持定義固定格式報表、填報報表、交互控件和圖表組件，以及多維度分析，切片、切塊、鉆取以及行列互換等多種分析方式，同時提供數據挖掘和智能學習等手段?；A底臺、服務中臺和應用前臺（“三臺”）組成數據技術板塊，主要提供平臺的微服務框架、中間件服務、ｄｅｖｏｐｓ的開發組織方式，和對數據、功能、接口等方面的管理，以及企業報表、業務報告和各應用的展示，其中服務中臺在標準接口下能與東方公司智能化地震隊對接，可調用東方公司的公共基礎服務，如郵件、短信、消息、用戶管理、組織機構、身份認證和地圖等。

山地智能指揮中心、山地智慧大腦中心和企業決策中心為“三中心”，其中指揮中心和智慧大腦中心兩者互聯互通，共同為更高層次的決策中心提供精準方案。指揮中心主要是對野外施工實時數據的可視化展示和分析預警，體現及時性；智慧大腦中心主要根據野外施工后的靜態數據和來自指揮中心的各種應對情況形成專家經驗數據，體現歷史性，而兩者數據類型的深度交融有利于開展數據分析，最終能形成多種結果研判和解決措施，為領導決策提供數據支持。

以大數據技術賦能方式，消除信息孤島，有效整合數據，建立起科學的數據評價體系，輔助領導層決策，并且提供敏捷開發的能力快速響應業務和管理層的數據需求，還能在業務運行過程中提供自動的業務監控和預警，幫助企業實現數字化轉型、智能化發展。

３ ? ? ?結束語

綜上所述，在大數據時代背景下，油氣工業互聯網、物聯網、區塊鏈、邊緣計算和云計算、大數據、數字孿生和虛擬現實等信息化新技術已滲透到地震采集工作中，油氣資源地震勘探的數據價值也在逐步得到挖掘和重視。在東方物探公司智能化地震隊大平臺基礎上，統一接口，數據共享，根據數字化轉型智能化發展的信息化建設目標，建設一套服務顆粒度更小、更加符合山地地震勘探特點的大數據分析應用平臺和數據生態圈，以業務驅動進行敏捷性開發測試運維，共性中保持個性，個性中尋找共性，從而滿足各層級的需求，為地震采集提供更好的保障。

主要參考文獻

［１］李學龍，龔海剛．大數據系統綜述［Ｊ］．中國科學（信息科學），２０１５，４５（１）：１－４４．

［２］陳立梅，邵麗娟，朱衛未．大數據企業技術創新效率影響機制研究［Ｊ］．南京郵電大學學報（社會科學版），2021（2）：52-66.

［３］陳志勇．智能電網的大數據處理技術應用［Ｊ］．集成電路應用，２０２０，３７（２）：７８－７９．

［４］胡潛，李夢婷，黃家娥．基于大數據挖掘的行業知識服務研究［Ｊ］．情報理論與實踐，２021（8）：90-94．

［５］劉漢龍，馬彥彬，仉文崗．大數據技術在地質災害防治中的應用綜述［Ｊ］．防災減災工程學報，2021（4）：710-722．

［６］劉寶珠，王鑫，柳鵬凱，等．ＫＧＤＢ：統一模型和語言的知識圖譜數據庫管理系統［Ｊ］．軟件學報，２０２１，３２（３）：７８１－８０４．

［７］顧榮．大數據處理技術與系統研究［Ｄ］．南京：南京大學，２０１６．

［８］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）：１２２９－１２５１．

［９］任磊，杜一，馬帥，等．大數據可視分析綜述［Ｊ］．軟件學報，２０１４，２５（９）：１９０９－１９３６．

［１０］初宇，何曉東．大數據助力石油企業建設數字油田［Ｃ］//第五屆數字油田國際學術會議，２０１７．

［１１］鮮成鋼．長期低油價下油氣技術創新目標與方向探討［Ｊ］．石油科技論壇，２０１７，３６（４）：５３－６０．

［１２］冉新權，朱天壽．油氣田數字化管理［Ｍ］．北京：石油工業出版社，２０１１．