本發(fā)明涉及油氣儲(chǔ)層保護(hù)領(lǐng)域，更確實(shí)地說(shuō)，是涉及一種應(yīng)用于油氣層損害預(yù)測(cè)與決策的智能系統(tǒng)和識(shí)別方法。

背景技術(shù)：

在新老油田的勘探開(kāi)發(fā)過(guò)程中，發(fā)現(xiàn)有大量的油氣井受到了不同形式、不同程度的傷害，從生產(chǎn)實(shí)際情況來(lái)看，突出表現(xiàn)在完井及作業(yè)過(guò)程中極易對(duì)儲(chǔ)層造成傷害，如完井中的敏感性傷害，生產(chǎn)過(guò)程中的硫酸鈣、碳酸鈣結(jié)垢等，低壓井作業(yè)過(guò)程中的洗井液進(jìn)入地層造成不出液等，這些傷害導(dǎo)致了油氣井的產(chǎn)量下降甚至沒(méi)有產(chǎn)量。儲(chǔ)層傷害的原因是復(fù)雜的，如何迅速、準(zhǔn)確地找到傷害的原因，并采取相應(yīng)的措施，是保護(hù)油層的關(guān)鍵。

目前油氣層損害機(jī)理涉及到大量現(xiàn)場(chǎng)和實(shí)驗(yàn)室分析數(shù)據(jù)，包括巖性、物性、流體及地層溫度壓力儲(chǔ)層特性以及射孔、壓井、洗井、修井等完井工藝及其入井流體特征等大量海量參數(shù)和數(shù)據(jù)，同時(shí)在這些大量數(shù)據(jù)中篩選、分析、判斷和推理出油氣層損害類(lèi)型和程度存在相當(dāng)大的難度。目前在油氣層損害識(shí)別系統(tǒng)中集成了油氣田勘探開(kāi)發(fā)多方面的知識(shí)，這種傳統(tǒng)專(zhuān)家系統(tǒng)基于規(guī)則以知識(shí)庫(kù)的方式存儲(chǔ)知識(shí)，通過(guò)來(lái)自現(xiàn)場(chǎng)和實(shí)驗(yàn)室分析數(shù)據(jù)作為輸入，通過(guò)規(guī)則推理方式得出儲(chǔ)層損害結(jié)論并為入井配方和工藝推薦提供決策依據(jù)。但是在實(shí)際應(yīng)用中儲(chǔ)層損害識(shí)別率不高，效果不佳，具體表現(xiàn)在：

(1)油氣層損害推理涉及輸入數(shù)據(jù)量大，種類(lèi)多，數(shù)據(jù)來(lái)源多，數(shù)據(jù)值類(lèi)型多，數(shù)據(jù)不統(tǒng)一，輸入數(shù)據(jù)不確定因素大；

(2)知識(shí)量大，規(guī)則多，規(guī)則的關(guān)系多，遍歷推理時(shí)間過(guò)長(zhǎng)；

(3)推理的準(zhǔn)確度不高，同一種儲(chǔ)層損害，產(chǎn)生的條件多樣，每種條件導(dǎo)致儲(chǔ)層損害的結(jié)論程度不一樣。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述問(wèn)題，提高油氣層損害識(shí)別準(zhǔn)確率和減少推理時(shí)間，本發(fā)明公開(kāi)了一種新的基于因素表達(dá)的油氣層損害智能識(shí)別方法及基于該方法的系統(tǒng)，該方法主要利用因素表示形式來(lái)表達(dá)不同來(lái)源不同類(lèi)型的參數(shù)和參數(shù)值的類(lèi)型，并利用兩層推理知識(shí)樹(shù)模型實(shí)現(xiàn)及時(shí)高效準(zhǔn)確的推理。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用以下技術(shù)方案實(shí)現(xiàn)：

一種基于因素表示的油氣層損害智能識(shí)別方法，包括以下步驟：

(1)建立基于因素表示的損害因素參數(shù)，損害因素參數(shù)包括油氣層基礎(chǔ)數(shù)據(jù)和特性類(lèi)數(shù)據(jù)；損害因素參數(shù)由四元組因素表示構(gòu)成，即(影響因素名稱(chēng)，因素值屬性，因素來(lái)源基礎(chǔ)庫(kù)，因素對(duì)應(yīng)映射名)，并建立對(duì)應(yīng)的損害因素庫(kù)；

(2)建立前提條件維護(hù)：建立前提條件分類(lèi)樹(shù)，該樹(shù)包括儲(chǔ)層類(lèi)別和儲(chǔ)層特性?xún)纱箢?lèi)，每個(gè)節(jié)點(diǎn)由損害因素庫(kù)中的損害因素參數(shù)名稱(chēng)、其對(duì)應(yīng)值和相關(guān)表達(dá)式構(gòu)成；

(3)建立具有中間結(jié)論標(biāo)識(shí)的儲(chǔ)層損害推理知識(shí)樹(shù)模型；

(4)將該具有中間結(jié)論標(biāo)識(shí)的兩層知識(shí)樹(shù)映射為損害識(shí)別數(shù)據(jù)庫(kù)；

(5)收集通過(guò)實(shí)驗(yàn)裝置采集或分析獲取的各種敏感數(shù)據(jù)，并對(duì)這些數(shù)據(jù)進(jìn)行按儲(chǔ)層類(lèi)別和特性進(jìn)行分類(lèi)，定性和定量識(shí)別，并利用因素表示方法進(jìn)行表示；

(6)利用步驟(5)通過(guò)因素表示的各種敏感數(shù)據(jù)從步驟(4)建立的損害識(shí)別數(shù)據(jù)庫(kù)中計(jì)算條件分量比重、準(zhǔn)確度、閾值，并分析判斷中間結(jié)論節(jié)點(diǎn)采用兩層知識(shí)樹(shù)模型推理獲得油氣層各種損害類(lèi)型和程度數(shù)據(jù)。

本發(fā)明還提供了上述油氣層損害智能識(shí)別方法的系統(tǒng)，包括：

損害因素參數(shù)配置模塊，用于損害因素參數(shù)建立，包括油氣層基礎(chǔ)參數(shù)和特性類(lèi)參數(shù)。

前提條件維護(hù)模塊，用于前提條件分類(lèi)樹(shù)的建立。

損害識(shí)別數(shù)據(jù)庫(kù)模塊，用于中間結(jié)論標(biāo)識(shí)的儲(chǔ)層損害推理知識(shí)樹(shù)模型建立和映射到對(duì)應(yīng)損害識(shí)別數(shù)據(jù)庫(kù)。

推理缺省參數(shù)維護(hù)模塊，用于在儲(chǔ)層損害識(shí)別中，對(duì)經(jīng)常使用的敏感因素參數(shù)進(jìn)行配置。

儲(chǔ)層數(shù)據(jù)模板定制模塊，用于對(duì)經(jīng)常使用的區(qū)塊、儲(chǔ)層相關(guān)敏感參數(shù)及值進(jìn)行定制，生成儲(chǔ)層數(shù)據(jù)模板。

儲(chǔ)層損害機(jī)理診斷模塊：用于分析儲(chǔ)層敏感數(shù)據(jù)，通過(guò)兩層推理知識(shí)樹(shù)快速推理得出油氣層損害類(lèi)型及程度。

其中儲(chǔ)層損害機(jī)理診斷模塊包括：

微觀(guān)推理模塊，用于根據(jù)輸入的敏感數(shù)據(jù)和儲(chǔ)層損害類(lèi)型和程度結(jié)論，判斷某種儲(chǔ)層損害是否存在。

模版推理模塊，用于根據(jù)選定的儲(chǔ)層數(shù)據(jù)模板、儲(chǔ)層及敏感數(shù)據(jù)進(jìn)行推理。

相比本領(lǐng)域的現(xiàn)有技術(shù)，本發(fā)明提出的識(shí)別方法具有以下優(yōu)點(diǎn):

(1)采用四元組的因素表示方法將來(lái)自不同儲(chǔ)層特性和不同完井類(lèi)別以及其他類(lèi)型參數(shù)數(shù)據(jù)綜合為標(biāo)準(zhǔn)統(tǒng)一形式，解決了油氣層損害推理涉及輸入數(shù)據(jù)量大，種類(lèi)多，數(shù)據(jù)來(lái)源多，數(shù)據(jù)值類(lèi)型多，數(shù)據(jù)不統(tǒng)一，輸入數(shù)據(jù)不確定因素大的問(wèn)題；

(2)采用基于中間結(jié)論節(jié)點(diǎn)的兩層知識(shí)樹(shù)模型，提高了推理識(shí)別效率，解決知識(shí)量大，規(guī)則多，規(guī)則的關(guān)系多，遍歷推理時(shí)間過(guò)長(zhǎng)問(wèn)題；

(3)利用條件分量比重、準(zhǔn)確度、閾值方式，解決推理的準(zhǔn)確度不高，同一種儲(chǔ)層損害，產(chǎn)生的條件多樣，每種條件導(dǎo)致儲(chǔ)層損害的結(jié)論程度不一樣。

附圖說(shuō)明

圖1為本發(fā)明的基于因素表示的油氣層損害智能識(shí)別方法工作流程圖

圖2為本發(fā)明的基于因素表示的油氣層損害智能識(shí)別方法的系統(tǒng)模塊組成圖

具體實(shí)施方式

以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作具體說(shuō)明。

如圖1所示的一種基于因素表示的油氣層損害智能識(shí)別方法，包括以下步驟：

(1)建立基于因素表示的損害因素參數(shù)，損害因素參數(shù)包括油氣層基礎(chǔ)數(shù)據(jù)和特性類(lèi)數(shù)據(jù)；損害因素參數(shù)由四元組因素表示構(gòu)成，即(影響因素名稱(chēng)，因素值屬性，因素參數(shù)來(lái)源基礎(chǔ)庫(kù)，因素對(duì)應(yīng)映射名)，并建立對(duì)應(yīng)的損害因素庫(kù)，其中，因素值屬性值如果為空格表示數(shù)值型數(shù)據(jù)，如果非空表示字符型數(shù)據(jù)，并設(shè)置可取的多個(gè)可選值，因素參數(shù)來(lái)源基礎(chǔ)庫(kù)是影響因素的來(lái)源，比如孔隙度大小影響因素來(lái)源于儲(chǔ)層特性來(lái)源基礎(chǔ)庫(kù)，因素對(duì)應(yīng)映射名映射到來(lái)源基礎(chǔ)庫(kù)中對(duì)應(yīng)的名稱(chēng)，完成影響因素表示的統(tǒng)一；

(2)建立前提條件維護(hù)：建立前提條件分類(lèi)樹(shù)，該樹(shù)包括儲(chǔ)層類(lèi)別和儲(chǔ)層特性?xún)纱箢?lèi)，每個(gè)節(jié)點(diǎn)由損害因素庫(kù)中的損害因素參數(shù)名稱(chēng)、其對(duì)應(yīng)值組成；如果對(duì)應(yīng)值為帶有表達(dá)式的符號(hào)值時(shí)，采用公式編輯器進(jìn)行語(yǔ)義映射，如果對(duì)應(yīng)值不確定值符號(hào)值采用模糊正態(tài)函數(shù)進(jìn)行語(yǔ)義轉(zhuǎn)換，否則采用定性表達(dá)式進(jìn)行語(yǔ)義轉(zhuǎn)換；

(3)建立具有中間結(jié)論標(biāo)識(shí)的儲(chǔ)層損害推理知識(shí)樹(shù)模型；該模型樹(shù)為兩層節(jié)點(diǎn)，第一層節(jié)點(diǎn)為儲(chǔ)層損害結(jié)論，即儲(chǔ)層損害類(lèi)型及程度；該模型樹(shù)第二層節(jié)點(diǎn)為儲(chǔ)層損害結(jié)論的條件，如果第二層節(jié)點(diǎn)為其他第一層節(jié)點(diǎn)值，說(shuō)明該第二層節(jié)點(diǎn)可以由其他第一層節(jié)點(diǎn)及其子節(jié)點(diǎn)推導(dǎo)出來(lái)，則將該第二層節(jié)點(diǎn)設(shè)置為中間結(jié)論節(jié)點(diǎn)，為推理做準(zhǔn)備。

(4)將該具有中間結(jié)論標(biāo)識(shí)的兩層知識(shí)樹(shù)映射為損害識(shí)別數(shù)據(jù)庫(kù)；

(5)收集通過(guò)實(shí)驗(yàn)裝置采集或分析獲取的各種敏感數(shù)據(jù)，并對(duì)這些數(shù)據(jù)進(jìn)行按儲(chǔ)層類(lèi)別和特性進(jìn)行分類(lèi)，定性和定量識(shí)別，并利用因素表示方法進(jìn)行表示；

步驟如下：所述各種敏感數(shù)據(jù)從實(shí)驗(yàn)裝置獲取后，從損害因素庫(kù)查找判斷該敏感數(shù)據(jù)的數(shù)據(jù)值類(lèi)型，如果為數(shù)值型數(shù)據(jù)，則通過(guò)事先構(gòu)造的基于正態(tài)分布的數(shù)學(xué)函數(shù)，通過(guò)貼近度計(jì)算，轉(zhuǎn)換為大、中、小或高、中、低等符號(hào)值，否則將該敏感數(shù)據(jù)標(biāo)記為符號(hào)值，并從損害因素庫(kù)中獲取匹配的符號(hào)值。

(6)利用步驟(5)通過(guò)因素表示的各種敏感數(shù)據(jù)從步驟(4)建立的損害識(shí)別數(shù)據(jù)庫(kù)中計(jì)算條件分量比重、準(zhǔn)確度、閾值，并分析判斷中間結(jié)論節(jié)點(diǎn)采用兩層知識(shí)樹(shù)模型推理獲得油氣層各種損害類(lèi)型和程度數(shù)據(jù)。

步驟如下：從損害識(shí)別數(shù)據(jù)庫(kù)所表示的知識(shí)樹(shù)的第一個(gè)節(jié)點(diǎn)的第二層葉子節(jié)點(diǎn)開(kāi)始，依次查找步驟C中獲取的各個(gè)敏感數(shù)據(jù)，如果第二層的某個(gè)節(jié)點(diǎn)與敏感數(shù)據(jù)轉(zhuǎn)換后的字符值匹配，則記錄該節(jié)點(diǎn)的比重，若該第二層所有節(jié)點(diǎn)都查找完畢，則累加所有匹配的節(jié)點(diǎn)比重和準(zhǔn)確度乘積之和，如果總和大于第一層節(jié)點(diǎn)的閾值，則第一層節(jié)點(diǎn)及子節(jié)點(diǎn)值為儲(chǔ)層損害推理結(jié)果，并將推理結(jié)果和明細(xì)保存，繼續(xù)第二個(gè)節(jié)點(diǎn)，依次類(lèi)推。

如圖2所示，本發(fā)明是一種基于因素表示的油氣層損害智能識(shí)別系統(tǒng)，包括：

損害因素參數(shù)配置模塊，用于損害因素參數(shù)建立，所述的損害因素參數(shù)包括油氣層基礎(chǔ)參數(shù)和特性類(lèi)參數(shù)，所述的損害因素來(lái)自不同工況作業(yè)過(guò)程，并將數(shù)據(jù)值屬性進(jìn)行統(tǒng)一表示。

前提條件維護(hù)模塊，用于前提條件分類(lèi)樹(shù)的建立。

損害識(shí)別數(shù)據(jù)庫(kù)模塊，用于中間結(jié)論標(biāo)識(shí)的儲(chǔ)層損害推理知識(shí)樹(shù)模型建立和映射到對(duì)應(yīng)損害識(shí)別數(shù)據(jù)庫(kù)。

推理缺省參數(shù)維護(hù)模塊，用于在儲(chǔ)層損害識(shí)別中，對(duì)經(jīng)常使用的敏感因素參數(shù)進(jìn)行配置。

儲(chǔ)層數(shù)據(jù)模板定制模塊，用于對(duì)經(jīng)常使用的區(qū)塊、儲(chǔ)層相關(guān)敏感參數(shù)及值進(jìn)行定制，生成儲(chǔ)層數(shù)據(jù)模板。

儲(chǔ)層損害機(jī)理診斷模塊：用于分析儲(chǔ)層敏感數(shù)據(jù)，通過(guò)兩層推理知識(shí)樹(shù)快速推理得出油氣層損害類(lèi)型及程度。

其中儲(chǔ)層損害機(jī)理診斷模塊包括：

微觀(guān)推理模塊，用于根據(jù)輸入的敏感數(shù)據(jù)和儲(chǔ)層損害類(lèi)型和程度結(jié)論，判斷某種儲(chǔ)層損害是否存在。

模版推理模塊，用于根據(jù)選定的儲(chǔ)層數(shù)據(jù)模板、儲(chǔ)層及敏感數(shù)據(jù)進(jìn)行推理。