基于钻井工艺过程的事故诊断智能分析模型研究.docxVIP

2012年5月 第27卷第3期 2012年5月 第27卷第3期 May 2012 Vol.27 No.3 Journal of Xian Shiyou University( Natural Science Edition) 文章编号：1673-064X(2012)03-0050-04 基于钻井工艺过程的事故诊断智能分析模型研究 郭建明，王彦平 (西安石油大学石油工程学院，陕西西安710065) 摘要：由于钻井工程的复杂性和不确定性，简单依靠传统数学建模的方法很难完全描述和表征钻井 过程.引入本体和贝叶斯网络等人工智能技术，探究了钻井事故诊断的理论和方法，解决和描述了 钻井领域的非结构化问题，进而更好地指导实践. 关键词：钻井工程；钻井事故诊断；智能模型；知识本体；贝叶斯网络 中图分类号：TE28 文献标识码：A 钻井工程是一个投资巨大、风险性很强的领 域[1].钻井领域非结构化问题贯穿于钻井设计和施 工过程的各个环节[2].大量的实践证明，用传统数 学建模和知识库系统构建方法已经不能满足智能化 钻井的要求，而需要在钻井工程系统中嵌入智能单 元，提高系统的智能性.构建的智能系统由2部分组 成3]:一是知识本体(Ontology);二是问题求解方法 (Problem Solving Method,简 称 PSM).Ontology 定义 应用领域的主要概念及相互间的关系，是某领域内 概念模型明确的、形式化的规范说明，而 PSM 涉及 在相应知识领域进行推理的知识，它是动态的知识， PSM 使 用 Ontology 中的静态知识进行动态的推 理4],Ontology 是知识库的核心，也是构建学科知识 库的理论基础[5]. 1 智能分析模型总体框架 钻井工艺过程的智能分析模型把求解特定任务 的知识划分成领域层、推理层和任务层.其中：领域 层包含求解问题所需要的特定领域内的知识和对领 域概念的描述.推理层指明求解问题采用的方法，包 含推理步骤和领域知识在其中所起的作用.任务层 则把所需要求解的问题分解成若干个子任务，并为 每一个子任务确定目标.该模型中，层次之间用 On- tology 表示其相互联系，利用知识本体机制实现各 层次间的协调，使相互独立的层次紧密地联系在一 起，共同组成一个完整的系统，如图1所示. 知识本体库 知识本体库 钻进状态类 井身结构参数类 事故与复杂类型类 井口显示状况类 推理机(贝叶斯推理) Jena解析器 用户 实例库 方法库 模型库 数据库 图1 模型框图 Fig.1 Model diagram 2 钻井领域知识的本体表示 构建基于本体的知识库的关键在于领域知识的 概念化过程[6].如在钻井事故诊断过程中，本体具 有诸如“事故类型”、“事故原因”、“事故征兆”、“处 理措施”等概念及其关系，如“原因产生征兆”、“征 收稿日期：2011-03-25 基金项目：陕西省教育厅专项科研计划项目(编号：2010JK779). 作者简介：郭建明(1960-),男，教授，主要从事计算机技术、人工智能、专家系统及管理信息技术在石油工程领域的应用 研究. E-mail:jmguo@ xsyu. edu.cn 郭建明等：基于钻井工艺过程的事故诊断智能分析模型研究 —51— 兆导致类型”、“措施处理事故”等，某种意义上，本 体即领域知识模型.领域知识模型所涉及的主要概 念及其关系包括：复杂问题与钻井事故类型、油气井 基础数据、事故发生经过、钻井液性能、钻井工况、下 部钻具、钻头类型、落鱼(落鱼长度，鱼顶深度)、井 身结构数据、事故征兆、钻井参数、事故诊断、事故预 防方案、事故处理方案、专家分析意见等.一个完整 的知识本体应由概念、关系、函数、公理和实例基本 元素组成，它把领域内的技术、工艺、数学模型、理 论、公理、经验等知识科学地结合在一起. 在本体的开发过程中，本文用目前比较流行的 本体开发工具 Protége(由美国斯坦福大学开发).在 Protege3.4.1下构建钻井事故本体的分类(图2),直 观地表达知识之间的确定关系. D D 应 励 大 融 鱼 山 山 华 图 因 国 4 D t 图 2 钻井事故本体的类 Fig.2 Classification map of drilling accident ontology 显然，作为一种能在语义和知识层面上描述知 识模型的建模工具，本体用一种通用的方式来表示 已获取的钻井领域知识，建立钻井事故本体知识库， 提供对钻井领域概念共同一致的理解，从而实现知 识在不同的应用程序和组织之间的共享和重用， 但是本体不能表示概念之间的重叠或相交程度，也 不支持只知道部分信息的推理.这里引入在不确定 知识的表示和推理方面有效