大数据分析技术在油田生产中应用.docxVIP

大数据分析技术在油田生产中应用 　　摘要我国石油资源一直因为地理位置受到限制，处于匮乏的状态，创传统的石油开采技术已经不能满足我国对石油的需求了。 　　因此大数据分析技术在石油开采中的应用变得刻不容缓。 　　市场中的石油竞争也变得日趋激烈，因此石油企业对信息的精准和可靠性要求越来越高，并且信息的速度要快。 　　大数据分析技术的应用可以很好的解决以上问题。 　　关键词大数据分析技术；油田生产；研究与应用在石油的不断开采过程中会产生非常多的数据和成果，要想从繁多的数据中找到有价值的数据变得越发的困难，所以我们可以通过大数分析技术建立数据模型，提取数据，挖掘大数据之中的规律，这样就可以找到有用数据并且预测未知信息。 　　这项技术的研发与应用对石油的开采具有很大的意义。 　　一、国内外油田大数据平台现状目前，在石油领域中与数据技术还没有完全融合，因此在其中的应用并不普遍。 　　有一部分技术人员将数据技术应用到了石油领域中，并且取得了成果，即使不是很大的成效，但是也是一种技术上的进步。 　　在油井的检查和侦测中使用模糊逻辑理论、神经网络系统所整合在一起的技术，相继提出了一种新的方式去对生产井的动态分析，就是将数据技术使用在油田的生产中，这样就油田的效率就可以得到提高。 　　在国外已经有技术人员建立了数据模型，并对油田的各个数据进行监测，使得油田的产量得到提高。 　　在我国很多的石油公司的信息技术一般起源于上世纪九十年代，一开始只是为了满足一小部分领域的技术需求，为了降低一部分人的工作强度而开发了技术，这个时候的技术都是比较分散并且规模小，还不太成熟。 　　随着对石油资源需求的增加，使得石油方面的技术也得到快速的发展。 　　伴随着互联网的快速发展，数据的增长速度更是显著。 　　但其中有价值的数据却比较少。 　　目前，我国对油田的数据处理模式还比较传统，只有比较小规模的大数据处理平台。 　　比较完善的数据系统所包含的数据多、产生迅速、数据的种类繁多、具有很强的真实性是大数据的主要四个特点。 　　所谓的大数据就是由很多数据组成的庞大的数据库，在短时间内人们无法使用正常手段能搜集到的数据量。 　　在数据、信息、知识以及应用中不断转换。 　　因此可以将其总结为在油田生产过程和管理过程中，数据在不断连续变化，并且可以反映油田的规律。 　　并对以上数据进行处理，我们称之为油田生产中大数据分析。 　　在对大数据进行处理时主要包括七个步骤，采集数据并提取，数据清洗，在数据分析中发现有用的规律，分析模型的建立，将结果展示并用知识表达，验证结果，优化模型。 　　油田要想满足自己的生产应用，必须建设一个理想的、实际可用的大数据分析平台。 　　在这其中必须包含以下四点数据的提取、将数据分布储存，数据的分析和结构的展示。 　　首先是将数据整合在一起，然后从中提取数据，将其变为容易建造模型的形式，形成可靠的数据样本。 　　然后在汇集，建造模型进行数据分析，将最后得出的数据进行储存。 　　可以看出这个的应用与数据库很相似。 　　大数据分析就是在大数据建设的模型和算法的前提中，找到其中隐含的数据模式和他们之间的关系。 　　利用与此有关的程序进行数据分析、建设模型、得出预测的结果。 　　并利用测试样本选择方案，将模型的准确度提高，使得更好的应用在油田的使用中。 　　二、大数据分析技术的研究将名称、时间、地点多种不同结构和种类的数据变为在同一种算法内的表达以及蕴含的意义一致，方便处理数据的一种模式称之为大数据处理和抽取技术。 　　如果在检测过程中出现数据错误可以使用清洗数据的方法将有用的数据挑出，再用估算、填补平均值等办法代替错误的数据。 　　一般模型的建设都需要大量的数据，所以就必须建造数据库。 　　将最初收集到的数据用手段变为可用的数据，这个过程可以称为数据的转换。 　　在油田中应用的数据分析技术一般为以下几类，数据挖掘、回归分析、聚类分析以及因子分析技术。 　　其中回归分析就是在一组已有的数据中，对一个数据与其他数据之间的联系进行研究，使用回归方程进行分析，将数据之间的关系表示出来。 　　聚类分析就是将有共同之处的数据划分为一个种类，并将一个种类划分为多个类别，它们之间的共同之处很多，更方便对数据特点的辨认。 　　因子分析技术就是将多个指标和因素之间的关系使用一个因子描述，一般情况下就是将联系最为密切的多个变量整合为一类，将其称之为一个影响因子，大量的数据可以使用一个因子表示。 　　使用好数据挖掘技术是大数据分析的重要的一个步骤。 　　数据挖掘的技术是对很多的繁杂、无规律、不清楚、残缺的数据进行分析，从中找出有价值的数据，就是提前得到信息的方式。 　　数据挖掘技术的功能有两种，一种是预测功能