互联网+时代下的智慧录井系统应用探索

1、    “互联网+”时代下的智慧录井系统应用探索    张期博摘 要：“互联网+”时代的来临和发展，推动了生产组织形式及制造模式等的改变和创新，人工智能的出现也打破的传统认知，加快了各行业领域现代化、智慧化发展脚步，为录井技术优化创新创造了新的机会，对推动行业发展存在积极影响。本文主要针对“互联网+”时代下，如何开展智慧录井系统的有效应用展开细化探讨，其中，针对这一时代也进行了简要概述，以期为推动现代录井系统升级创新建言献策。关键词：“互联网+”时代;应用;智慧路径系统录井技术属于石油工业领域进行勘探开发的重要技术之一，对于油气的钻探来讲，具有的作用和价

2、值都较为关键。但以其特点和历史经验等为基础创设的传统模式，工作区域多为环境恶劣的野外，针对录井信息的采集，以及对相关设备仪器的使用都需要通过人工干预实现，工作效率难以保证，信息化程度也相对较低，针对新型智能化的录井系统开展积极探索十分必要。1 “互联网+”时代概述“互联网+”主要指，将互联网相关的各类创新成果，实现和经济社会多领域的深层次融合，加快技术发展和水平提升速度，推动组织变革，促使实体经济的生产及创新能力均能够实现有效提升，创建覆盖区域更广的，基于互联网发挥基础设施及創新要素作用的新型经济社会发展形态1。近几年国家对工业互联网的发展愈发重视，并开展了多种形式的战略部署操作，结合“十九大

3、”相关内容，应重视积极推动实现人工智能以及互联网等，和实体经济的深度融合目标进程，促进数字经济的有效发展。基于当今时代背景下，“智能+”以及“互联网+”已经变为了我国积极推动侧供给结构改革进程的重要手段，企业升级转型的关键契机。2 “互联网+”时代下的智慧录井系统应用参考录井技术现阶段的实际发展需求和状态，以工程建工及信息传输、地层剖面建立等工程任务为中心，依靠云计算、人工智能以及物联网等新型的现代化技术，针对录井数据采集智能化、设备运维、智能解释等关键技术展开探究，实现大数据分析、钻井工程参数识别等技术的有效集成，创设数据处理、发布、采集等于一体的系统管理平台，摒弃传统人中心的理论方法，经由

4、数据只能解释、仪器自动分析，以及智能决策等的深度融合，建立工程预警、实时智能解释等井场协同信息化支持系统，实现对传统录井作业模式的优化，推动检测技术和人工智能技术协同结合目标的实现进程，推动录井技术创新发展脚步。2.1 系统架构智慧录井系统主要涉及4层网络结构，包括用户层、采集层等，主要功能包括数据管控以及智能化分析、录井信息自动化采集分析等，可实现自动智能化等录井解决方案的创设。其一，采集层中具体包括工业机器人、录井仪器等，主要负责对各类录井信息的自动化采集和管控，可实现对系统的有效优化及自行诊断，并可以实现对相关故障的提前发现。其二，网络层属于用户和现场间进行数据传输的渠道，可实现对采集层

5、信息传递、管控和汇聚等的有效支持，且可以发挥出物联网人机通信互通的信息支撑平台作用。其三，应用层属于录井数据中心，主要发挥设备故障预警以及数据存储等作用，基于有关协议，实现对传感器和各类录井设备数据的合理化采集，同时，可以数据为对象开展具体的分类、解析及清洗等相关操作。其四，用户层属于数据中心开展信息输出的主体，具体涉及录井施工单位以及各相关的建设项目组等，可发挥协同研究、实时远程监控等功能。2.2 核心单元及工作流程系统核心单元即为应用层和采集层。其中，应用层面具体有智能预警系统以及职能数据管理系统等;采集层中具体有仪器装备智能故障诊断及维护系统，以及基于工业机器人的智能取样分析系统等。系统

6、核心技术主要包括如下几种，下文将进行具体论述。2.2.1 录井大数据信息挖掘及智能解释评价系统石油勘探开发相关操作，主要是针对地下地质的油气、岩性等实体特征展开的。大部分开发及勘探井形成了大量类型各异的数据，其中涉及海量的地质信息，此类信息对于油田未来生产开发的优化和发展存在重要影响。基于大数据时代的来临和发展，日常应用较为广泛的各类数据分析方法，在实践中的应用已经愈发频繁，数据挖掘即为其中发挥作用较为显著的方法之一，也是近年来相关人员研究的重点内容之一。数据挖掘主要指的是基于海量数据内，对潜在价值及有效性较高的模式进行提取的处理过程，属于kdd的重要构成部分之一，通常涉及知识表达、数据清洗以

7、及模式评估等环节。本系统的具体功能，即针对基于采集层获取录井数据开展统计分析，经由创设科学、规范的数据分析预测模型的方式，针对储集层流体性质以及录井岩性剖面等工程参数特征，开展实时的在线分析解释评价操作。实际开展智能解释评价相关操作以前，需要基于具体的解释内容，优先制定出差异化的解释方案，同时结合方案的具体内容，明确对应的解释模型。模型创设期间，需要先针对建模数据的调用，结合模型实际种类，进行深度学习以及机器学习等算法的选择操作。相关算法具体可划分成数据降维、监督模型学习等。针对监督模型来讲，应用较为频繁的算法包括神经网络、贝叶斯以及回归分析等。此类模型均为预测类，经由现存输入数据及输出数据间

8、存在的对应关系，形成相应函数，再对输入开展映射操作，促使其和相应的输出相匹配，包括分类等。关联分析以及聚类分析均为无监督类，可直接针对所输入的数据集开展模型建设操作，具体包括时序分析算法以及k-近邻分类等。第三类数据维度归约，具体涉及因子分析以及主成分等分析法，通过数据的变换或者编码，获取原数据的压缩或者归约表示，基于综合指标，实现对原数据的代替，再开展相应的分析操作。模型基于学习训练，开展结果验证，再以验证结果符合率高低为依据，针对各类模型算法展开评估，明确最优的训练模型，同时对其开展不断的改良及更新相关操作。具体开展解释应用相关操作期间，基于录井获取的原始数据，需要先开展数据清洗，将其中的

9、离散和非正常数据清除，将和分析任务有关的数据分离出来，再通过合并或者转换等方式，促使其合理的形式展现出来，对于提高挖掘实效性和便捷性存在积极影响。随后针对符合条件的解释模型展开调用操作，基于数据挖掘算法，实现对数据内隐藏知识及模式的抽取操作，例如预测、分类等，实现对实时处理结果的获取。最后，经由知识表达或者可视化等技术，针对所挖掘知识，开展于决策支持、在线岩性解释等中的具体应用。2.2.2 基于工业机器人的智能取样分析系统智能取样分析系统的技术流程包括：基于钻井现场形成的岩屑混合物以及钻井液，经由引流设备，输入到智慧录井平台设备房中，先是利用定量脱气设备将内部气体脱附出，再通过红外光谱法，针对

10、内部的烃类和非烃气体开展实时在线的含量检测操作，随后，利用固液分离技术，将内部的岩屑样品分离出来。在进行自动清洗以后，开展岩屑白光及荧光普照，得到和含油岩样位置相对应的荧光图像信息，利用视觉引导系统，对机器人进行操控，将相应的样品置于对应录井设备内，开展自动化的检测分析操作，明确地层含有骑行以及岩性等参数信息。依靠对应系统，针对余下的样品开展自动化的封装以及标识喷码等操作，留作观察样本。基于工程预警系统，依靠装设在钻机及循环系统内的传感设备，对钻井相关参数展开实时的监测。经由上述方法采集参数，均送至应用层数据管理平台中，为后期开展的整理及统计分析相关操作提供支撑。3 结论综上所述，对于石油工业来讲，在实现的每次跨越，均是乘着技术革命的发展浪潮。现阶段，录井行业逐渐进入了生产方式信息化以及智能化转型的重要阶段，机器换人成为了世界企业生产改革的