李洪奇
中国石油大学（北京）油气数据工程实验室
智能油气田油气数据服务产业油气数据挖掘
智能油气田
李洪奇
油气数据工程实验室
智能油田:the Digital Oilfield, Field of the Future, i-Field, e-Field, Smart Field, Real-time Operations, and Real-time Optimization，Intelligent Oilfield等。虽然其英文名字不同，但是内涵基本相同。国际上诸多石油公司已经建立起自己的智能油田。例如：
英国石油公司：Field of The Future壳牌石油：SmartFields©
Statoil公司：Integrated Operations
CERA公司：Digital Oil Field of the FutureCAPGMINI：Smart Operation
英荷皇家壳牌集团勘探开发执行官
MalcolmBrinded在他的文章“SmartField”中对“智能油田”定义如下：“a
SmartFieldisanassetthatwecancontinuallyoptimize24hoursaday,7
daysaweek”。即智能油田是一周7天，一天24小时连续优化的资产。
从这个定义可以看出，智能油田不是一个静止的产业状态，而是动态的、发展的、不断优化的产业发展与建设过程。
JonD.Krome等指出，不可能有两个完全一样的智能油田，就像不可能有两口完全一样的油井。建设智能油田的理念可以相同，但是具体的实施方案和技术不可能相同，因为不同油田面临的油田生产与管理问题不同。
可见，智能油田不是简单的高科技数据采集或信息平台，而是以信息系统为基础，在油气田勘探、开发、经营管理中采用高度融合的信息化管理、智能化的决策体制和创新的操作流程来达到上游生产运行集中管理、资产不断优化的油田。
智能油田建设的本质：
–––
提高勘探精度，降低勘探风险提高采收率降低成本
––
提高安全预警以及应对能力减少碳排量
智能油田建设最终目标是要提高油田资产的净
现值，这是贯穿于智能油田建设全过程的灵魂。
智能油田应用架构
智能化管理智能化勘探智能化开发智能化经营高度融合信息化平台
智能油田特征
Jon D. Krom智能油田构成定义
智能油田五个主要构成元素。简单讲：“人、过程和技术”。
业务流智能点报告多媒体基于对采气一厂IT现状和远景规划分析，建议实施下列5大类28个信息化项目。
气数据服务产李洪奇
油气数据工程实验室
业
油气田勘探开发的第三支力量
油宏观：准噶尔盆地50年的勘探成果数据积累，对今天
的勘探有什么帮助？大庆油田30年注水开发数据积累对今天的开发方案调整有什么帮助？
微观：新疆六中区多年注水开发数据对其水淹层解释
有什么帮助？
石油数据作为一种财富还沉睡在数据库中，还没有给
石油勘探和开发带来“额外效益”。
现有石油勘探开发的工作对象是地层，而不是数据。因此，现有石油勘探开发技术的进步并没有使逐年积累起来的海量石油数据得到应有的关注。蕴涵在石油数据中的有关油气藏的知识并没有被发现。
有必要将海量油气数据作为工作对象，开展油气数据勘探和油气数据开发的理论与技术研究。向海量油气数据要构造、要圈闭、要储量、要产量。
地球物理勘探设备对象成果地质成果电子仪器地层数据油藏储层数设备对象据勘探成果地质成果软件海量数据知识规律、认识、规则油藏储层地球物理勘探和数据勘探之间具有明显的不可替代性，但是却又有非常好的互补性。这种互
补性体现在数据勘探更加注重数据的累积效应。地球物理勘探：勘探时刻（或时间段）地下岩
层物理性质的测量，有即时效应。
数据勘探：对累积数据的勘探，有累加效应。
累加数据的勘探：“1+1>2” ！！
边缘就是科学，交叉就是水平！
油气勘探开发理论与技术油气数据勘探开发理论与技术信息学理论与技术油气数据勘探和数据开发需要新的理论、技术与人才！油气数据勘探与数据开发目标•概括地讲：“六个一”•建立一个基地：
“油气数据勘探与数据开发研究中心”•建立一套理论
“油气数据勘探与开发理论”•发展一套技术：
“油气数据勘探与开发技术”•生产一套装备：
“油气数据勘探与开发软件”•培养一支队伍:
“油气数据勘探与开发工程师队伍”•形成一个产业：
“油气数据勘探开发产业”
油气数据工程实验室
油气数据勘探开发理论研究、技术开发和人才培养基地。
（1）应用数据挖掘技术从事的应用研究项目
[1]新疆砾岩水淹机理研究与评价
[2]新疆油田二次开发试点工程水淹层评价[3]新疆三区水淹层解释
[4]柴达木盆地三湖北斜坡第四系疏松砂岩低饱和度气层测井评价技术攻关[5]葡南地区及敖包塔油田边部葡萄花油层低阻特征及成因机理研究[6]岩石物理实验数据处理及分析方法研究
[7]基于测井数据挖掘的油层测井分类与产能分级预测技术[8]勘探战略选区智能辅助决策系统（一期）[9]勘探战略选区智能辅助决策系统（二期）[10]油气知识表征与应用技术研究（863)[11]复杂储层数据挖掘技术研究(油气重大专项）
（2）论文
[1] 李洪奇,郭海峰,郭海敏,等.复杂储层测井评价数据挖掘方法研究[J].石油学报,2009,30(4):542-549.
[2] 谭锋奇,李洪奇,孟照旭,等.数据挖掘方法在石油勘探开发中的应用研究[J].石油地球物理勘探,2010,45(1):85-91. [3] 李洪奇,谭锋奇,许长福,等.基于决策树方法的砾岩油藏岩性识别[J].测井技术，2010,34(1):36-42.[4] 李洪奇,谭锋奇,许长福,等.基于聚类分析方法的砾岩油藏储层类型划分[J].地球物理学进展.（录用）[5] 李洪奇,李雄炎,谭锋奇,等.基于数据挖掘技术的测井评价方法[J].测井技术.2009,33(1):16-21.
[6] 谭锋奇,李洪奇,覃建华,等. 基于数据挖掘的砾岩油藏水淹层定量评价方法研究.石油勘探与开发.（录用）[7]Xiongyan Li, Hongqi Li, Zhuang Wu. Model-Driven Data Mining in the Oil & Gas Exploration and
Production[C]. 2009 IEEE Second International Symposium on Knowledge Acquisition and Modeling (KAM 2009), Vol.3:20-24, Nov.30-Dec.1 2009, Wuhan, China.
[8]李雄炎，李洪奇，谭锋奇。基于领域驱动数据挖掘的水淹层识别方法研究[J].《石油勘探与开发》录用（接收日期：2009.06.15），待刊.
[9]李雄炎，李洪奇。数据挖掘技术在石油天然气勘探领域的应用探索[J].《地球物理学进展》, 2009, Vol.24, NO.5: 1807-1813.
[10]李洪奇，李雄炎，谭锋奇，郭海峰，于红岩。基于数据挖掘技术的测井评价方法研究[J].《测井技术》, 2009, Vol.33, NO.1: 16-21.
[11]朱丽萍，李雄炎，李洪奇。基于模型驱动数据挖掘的低阻油层识别方法研究《大庆石油学院学报》录用（接收日期：2010.04.15），待刊.
[12]孟照旭，李洪奇，李雄炎，啜晓宇，何强。利用数据挖掘技术识别深层火山岩气层[J].《地球物理学进展》, 2009, Vol.24, NO.6: 2208-2214.
[13]Zhu LiPing. Heterogeneous Data Mining in Search Advertisement Click Rates. WISM 2009，shanghai.[14] 李洪奇,李莉.An improved particle swarm optimization algorithm for high dimensional multimodal
optimization problems. 4th International Conference on Impulsive and Hybrid Dynamical Systems (ICIHDS 2007), July 20-22,2007.
[15] 李洪奇,李莉A Novel Hybrid Particle Swarm Optimization Algorithm Combined with Harmony Search for High Dimensional Optimization Problems. The 2007 International Conference on Intelligent Pervasive Computing (IPC-07) Jeju, Korea, October 11-13, 2007.
[16] LI Li, LI Hong-Qi, XIE Shao_Long. Particle Swarm Multi optimizer for Locating all Local Solutions. The 2008 IEEE World Congress on Computational Intelligence (WCCI2008) HongKong, June 1-6，2008.
[17]hongqi Li, Zhuang Wu.Research on Techniques for Effectively Searching and Retriving Information from Internet International Symposium on Electronic Commerce and Security.3-5 August 2008,Guangzhou,china.99-10.
油气田勘探开发的第三支力量
油气数据挖掘
李洪奇
油气数据工程实验室
•研究区块：正旋回山麓洪积相，分为3个层位分析。180口井，1267个数据记录，每个数据记录包含12个参数。
•常规方法水淹层识别界限值
区块层位水淹级别产水率FW(%)含油饱和度So(%)≥7773～6565～5757～48≤48层位采出指数FOW(%)S74S73油层弱水淹六中区克下组中水淹中强水淹强水淹≤1010～4040～6060～80≥80≤33～14S7214～2020～30≥32S71S6扇缘扇中沉积微相解释结果强水淹扇根中水淹弱水淹油层强水淹中水淹弱水淹油层强水淹中水淹弱水淹油层18.3 ～20.6 -6.2 ～-2.3 0.00 0.00 18.2 ～26.5 -4.2 ～-1. 1 0.00 0.00 22.7 ～26.3 50.6 ～62.3 26.3 ～30.4 28.5 ～37.2 37.0 ～49.1 50.8 ～69.0 13.8 ～20.2 32.1 ～38.0 37.6 ～45.4 44.3 ～63.2 RT－RI0.0 7.7 ～10.2 RT －RXO8.1 ～11.118.2 ～23.6 水淹层综合识别规则
井数层位含油饱和度√√采出指数√√√3067√产水率√判断层位25612符合率(%)37.318.9617.91√三参数判断RT√RT-RI√√RT-RXO√115445816.4280.605.9786.57三参数与图版综合判断S72、S72、S73三个层位采出指数FOW的敏感性最高，含油饱和度SO和产水率FW中等，其它参数敏感性低。常规方法水淹层自动识别的符合率为86.57%。
规则复杂，超出人的判断能力！层名S721S722S723S731S732S733S74准确率（%）90.0093.1091.4392.1192.6392.9390.65参数敏感程度大小关系FOW＞SO＞FWFOW＞SO＞FW＞RXOFOW＞FW＞SO＞RT＞RIFW＞FOW＞SO＞RISO＞FW＞FOW＞PERM＞DEN＞RTFW＞FOW＞SOFW＞FOW＞SO＞DEN＞RT规则条数强1120113中强中弱干层油层3331123343321345545321000--1223211-数据挖掘时将层位当数据，自动挖出各个层位的规则。精度90.03%；参数敏感程度：FOW对于扇中亚相的S72最敏感，而FW对S731、S73和S74最敏感，SO对S732最敏感。
■传统方法：分层处理，FOW最敏感，FOW＞FW＞SO
水淹层解释精度86.57%，
■数据挖掘：层位当参数处理，不用特殊对待。水淹
层解释精度90.03%，
敏感性：FOW 敏感层位S721、S722、S723;
SO 敏感层位S732
FW 敏感层位S731、S733、S74
精度提高，敏感性认识有新发现！
砾岩油藏岩性识别数据挖掘方法
基础数据:六中东区J581和J588两口密闭取心井共计117段岩心描述，分为泥岩、中细砂岩、含砾粗砂岩、砂砾岩和砾岩五种岩性。
六中区岩性图板
六中区RT－LOG（AC*GR）岩性图板
六中区岩性图板4.2B4.1log(AC*GR) .砾岩A4砂砾岩CDE050100150200250含砾粗砂岩中细砂岩3.9含砾泥岩泥岩3.83.7地层电阻率/RT(Ω•m)•图板中A、B、C、D、E五个区域分别代表泥岩、中细砂岩、含砾粗砂岩、砂砾岩和砾岩五个岩性区，通过地层电阻率（RT）与声波时差和自然伽马的乘积做交会图板，可以很好的区分六中区不同岩性。
将岩性解释图版转换成岩性解释规则，处理结果如下：
井数层位地层电阻率√√声波时差√√自然伽马√判断层位5522符合率(%)4417.62125√√综合识别准确率√√7211055.616.884采用相同的数据集，数据挖掘方法处理结果如下：
岩心个数125识别方法能够识别个数识别准确率（%）图版法数据挖掘法1051128489.6数据挖掘方法在如下的项目中都得到不同程度的应用，效果都高于传统方法的评价水平。
低阻油气层评价低饱和度气层评价
三低储层产能评价岩石物理实验室数据分析
火山岩天然气评价
■认识1：
传统方法：效果完全取决于人的水平，人认识到的规律可以找到，人没有认识到的规律无法找到。
数据挖掘：效果主要取决于数据和挖掘方法，人为辅；隐含在数据中的规律，人认识到的可以挖掘出来，人没有认识到的规律，也会被挖掘出来。
数据挖掘的出现，使数据库从数据保存场所变为一座金矿，为数据处理带来革命性的进步！
■认识2：
通用数据挖掘方法可用性有限，需要研究适合于不同领域的数据挖掘方法。
万用表==== 电阻率测井仪
？
智能油气田智能油气田智能油气田油气数据勘探油气数仓库据开发油气数据数据勘仓库探油气开发数据挖掘智能油气田智能油气田智能油气田
因篇幅问题不能全部显示，请点此查看更多更全内容