勘探数据

勘探数据（精选十篇）

勘探数据 篇1

1勘探开发数据分析

1.1勘探开发数据标准

在对标准结构进行设计时,可以从应用方面出发,结合行业业务流程,将符合要求的数据录入数据库。 并且做好与现有数据库联系,提高勘探开发数据管理与应用效率。 在建立勘探开发数据标准时,需要综合分析源头数据、物探、钻井、路径、测井等甲乙方源头数据,按照专业要求来对所有数据进行整合集成,最终形成统一的源头数据标准[1]。

1.2勘探开发源头数据管理体系

对勘探开发数据进行质量控制, 需要针对源头数据建立管理体系,建立配套的软件支持系统,争取可以及时将各项数据及时全面的录入数据库内。 以数据标准为依据建设相应数据库,完成数据的统一管理。 其中对于不同专业与部门数据的实际需求, 还应建立统一的数据授权应用方案, 并通过对授权工具的进一步开发,来达到数据共享的目的。 需要对钻井、录井、试油、测试、 测井、综合研究所有内容数据进行综合分析,分析各业务流程对应的源头数据项,以及不同专业业务流程间数据项关系,对各专业业务数据进行分析,确定不同专业数据的联系,通过分析来完成专业业务流程的描述,提高数据质量控制的规范性,真正达到勘探开发专业敬数据一体化管理目的[2]。

2勘探开发数据质量控制设计方案

勘探开发数据质量控制体系设计方案在很大程度上决定了下数据最终管理与应用质量,因此需要加强此方面的重视。 方案设计应以提高数据流程控制效果为目的,对数据需求分析、数据设计、数据质量控制文档等进行分析,针对不同的环节来建立相应的内容。 其中系统设计应在数据库建设之前进行,应针对数据库建设现状存在的不足进行重点分析, 尤其是要做好对需求分析设计方面的研究,争取形成完整的质量控制文档。

为确保系统建设效果,需要在正式建立数据库之前,做好相应数据的调研工作, 对企业各项业务发展对数据需求进行系统考察,并且要做好对未来需求趋势的估算,以此作为基础来提高数据设计的灵活性,降低各类质量问题的产生。 其中,数据质量文档内容要完整,主要包括数据采集、录入、审核、汇总、传输以及应用等,确保所有流程均能够正常展开,能够实现对数据一致性、准确性以及完整性控制文档[3]。对于数据质量文档的建设,尤其要做好对文档质量的控制, 如果数据需求分析设计并未全部完成,而且未形成完整数据质量控制文档的情况下,不能进行数据的录入,以此来确保勘探开发数据质量控制效果。

3不同数据类型质量检验控制方案设计

对数据进行质量检验, 可以说是勘探开发数据质量控制的一个重要途径,对确保数据质量具有重要意义。 一方面,应建立完善数据反馈机制。 即加强对数据质量检验的重视,针对质量检验工作来建立相应的控制体系,对数据审核合格、不合格,以及对应原因进行记录,并将其一并送往数据源单位。 另一方面,质量审核体系智能化与信息化。 数据存在质量问题,大部分都是录入环节管理不当,并且勘探开发数据量多,涉及到的专业比较复杂,质量审核人员难免会在审查过程中出现失误,不能及时发现存在的质量问题。 针对此类问题,在进行质量检验体系完善时, 还需要针对数据完整性特点, 对数据表以及数据项目来展开程序检查,确定缺少的数据记录与数据项。

另外,还应针对数据一致性与深度性等特点进行研究,应根据一致性数据表之间具有的联系,来对数据项进行程序检查。 而对于深度性,则应以此作为参照对象来进行数据检查。 同时还与数据准确性,应以数据质量控制文档来作为依据,对其内容范围与逻辑进行检查,确定其中是否存在异常数据,然后提取出可疑数据交由质量审核人员详查。 在确定出可疑数据后,质量审查人员还需要对错误数据产生单位进行相应的核对与答复, 确定数据质量问题产生的源头, 并在下一步工作展开前做好相应的管理预案。 例如油田勘探中,单井小层数据与射孔数据的一致性; 单井基础信息中投产时间与井史中年月等。

基于源头数据传输涉及面广、环节众多特点,必须要建立一种完善的数据质量检测体系,建立相应的支持系统,形成源头数据质量检查与监督的管理体系, 争取不断提高勘探开发数据质量。 以及数据质量元模型为依据,建立数据质量元数据库,结合企业实际需求来定义数据质量元素, 以及相应的质量约束表达式语法。 对不同业务数据库进行分析,在确定数据库管理系统类型的基础上,定义一组与其一致的标准化数据质量元素,并且相应质量约束表达式语法与其一一对应, 如有必要还需要开发数据质量元素解释计算模块。 数据质量模型的建立,可以选择用面向对象的方式,根据业务主题分析数据质量对象类,确定数据质量属性以及相应约束表达式[4]。 另外,还应开发数据质量审计工具,利用其来完成对业务数据的计算,确定其是否合法,并生成审计报告。 通过此种方式就可以建立企业数据质量模型,并以原数据的形式存入元模型下,建立成数据质量元数据库。 企业内各级部门就可以利用此数据库来实现数据的共享, 形成标准化数据质量控制体系。

图1为检测软件功能模块示意图。

4控制收集报送数据入库质量措施分析

4.1数据采集体系设计方案

目前我国油气勘探方式主要分为自动化仪器与人工采集两种,其中自动化、信息化与数据化的建设,大大减少了人工采集数据中存有的误差,确保了数据源的准确性。 从实际情况来看, 很多勘探采集企业并不具备计算机在线输入的条件, 而想要提高数据收集质量,就需要建立完善数据采集体系,以数据质量控制格式为依据,将收集到的数据进行解释后录入到数据库中。 其中要注意不同厂家提供数据解释之间的差异, 同一项目要保证解释处理软件解释方法、数据格式与内容的统一性,避免数据人员在录入数据表时出现误差。

质量控制方案的设计,主要以数据质量控制方案为依据,将所有数据结构均统一到这个标准上, 并要求所有厂家按照应用单位提供的数据标准,来进行数据的采集。 并且还可以直接应用统一的解释软件来进行数据的采集,与最终成果的上报。 这样可以最大程度上解决人工采集产生的误差,如流压、静压测试条件不同,解释软件不统一产生的质量问题。 因此,数据质量控制人员还需要结合实际情况,对各项数据进行抽查,确保各项数据的准确性。 同时还要完善质量管理体制, 在现有基础上来对自动化、信息化与数据化的采集工作进行研究,争取更大程度上来代替人工数据采集。

4.2数据录入体系设计方案

数据录入完全是人工来完成, 这就决定了人工技能水平与专业素养对数据质量控制的影响, 一旦录入人员存在操作上的失误,就会直接导致录入数据的错误。 针对此种情况进行详细分析,为减少此类问题对数据质量造成的影响,要求录入人员需要在录入完整后进行完整的复查,确保录入结果不存在质量问题。 同时,在编制录入程序时,也需要采取一定的措施,即一旦有录入的数据不符合专业规范时, 系统可以在录入界面想录入人员显示准确性,提醒其检查并改正。

应建立完善数据质量管理规范标准, 即在数据录入时可以直接从数据质量控制文档中进行数据提取, 代替传统的人工录入方式,减少因为人为因素造成的质量问题。 其中,针对勘探开发数据具有的完整性特点, 还应建立具有参照作用的基础数据表与数据项,录入时直接从基础数据表中来完成数据项的提取, 确保数据录入的准确性。

4.3数据应用体系设计方案

数据质量控制的主要目的就是提高其应用效果, 因此需要采取措施来对其准确性、及时性以及完整性等方面进行研究,提高数据控制的综合效率。 可以通过建立数据反馈机制的方式,将数据应用过程中存在的各类问题反馈给数据录入单位, 或者数据管理单位,对可疑的数据进行核实,进一步分析其是否具有质量问题[5]。 同时,还应不断完善数据质量控制体系,从数据采集、 录入、审核、汇总、传输以及应用等多个流程着手,进行全方面的质量控制。

5结语

勘探开发数据质量控制方案的设计, 需要结合数据的类型与特点,针对控制管理的现状进行分析,确定下一步工作开展的方向与要点,从不同的流程环节着手,做好数据采集到应用整个过程的管理分析,降低各类因素的影响,在根本上来提高数据质量控制效果。

摘要：在社会经济快速发展背景下,逐渐有更多新型技术与设备被应用到勘探工作中,并且取得了一定的成果。就勘探行业发展现状来看,计算机技术与网络技术的应用,对实现工作的信息化具有重要意义,尤其是对于勘探数据的分析、管理与应用,可以获得更高的质量。为提高勘探开发数据质量控制效果,需要从现有的基础上来选择相应的措施进行管理,对存在的不足进行优化完善,制定完整数据质量控制标准体系,文章就此方面进行了简要的分析。

石油勘探局数据建设工作心得体会 篇2

长

庆石油勘探局信息化建设经过多年的发展已经取得了很大成绩，特别是“九五”以来，勘探局信息化建设工作紧紧围绕全局生产经营目标，狠抓了信息基础设施建设，构建了长庆互联网，开发、推广、应用了一大批专业数据库和生产、管理软件，使我局的信息化建设工作稳步推进。但是，在信息化建设的过程中也逐步暴露出了一些亟待解决的问题，比如数据采集体系不完善、数据标准不统一、数据共享程度低、应用系统集成度低且缺乏对知识的管理、信息安全体系缺乏等。为解决越来越突出的矛盾和问题，迫切需要我们尽快实施勘探局数据中心建设，运用现代信息技术手段，将各单位不同时期、不同厂商开发的独立系统有机的联系起来，实现信息的高度共享，彻底解决“信息孤岛”的问题。同时将勘探局不同单位部门的数据资源进行整合、挖掘，转换成可靠、实用的信息，以便领导决策。

本文基于长庆石油勘探局信息化建设现状，深入分析了目前长庆石油勘探局在信息化建设方面存在的问题，同时针对存在的问题提出了建立以数据管理为核心的数据中心这一框架构想，并对开展实施数据中心建设的相关问题进行了思考，与大家一起讨论，旨在理清数据中心建设工作思路，有效地规避数据中心建设可能造成的风险并少走弯路，按照整体规划，分步实施的原则，确保长庆石油勘探局信息化建设工作的顺利开展进行。

一、长庆石油勘探局信息化建设现状分析

（一）石油上游企业信息化的特点

石油企业是一个多学科、多专业相互配合、相互渗透、协同攻关的知识、技术密集型企业，其上游企业的主要业务涉及到油气勘探、油气田开发、钻井工程、井下作业工程、地面建设、物资管理、经营管理、水电、通讯、医疗卫生等多方面的内容。石油行业的信息化一直伴随着石油企业的发展，并发挥了巨大的作用。石油数据信息按照油田的生产经营过程以及油田生产信息的采集、处理及使用，可分为地质、地震、钻井、录井、测井、固井、采油（气）、井下作业、试油（气）、油田监测、生产管理、地面建设、原油（气）集输、注水、给排水、污水处理、电力、通信、道路、消防、土地、人力资源、财务、物资、计划规划、市场开发、质量控制、安全环保、企业管理、法律法规、科技信息等，总体上具有以下几个显著特点：

⑴数据分布极为分散：各油田由于覆盖面积大，地域广阔，这些信息都分布在不同单位、不同部门的业务系统中，数据分散，比如长庆石油勘探局就横跨陕甘宁蒙四省区；

⑵数据量大：如长庆油田经过三十多年的勘探开发与生产，积累了大量的数据和图形，其数据量达tb级；

⑶数据结构复杂：在石油勘探开发与生产过程中产生的数据非常复杂，包括野外数据、地震数据、解释数据、地质数据、钻井数据、试油压裂数据、生产经营及管理决策数据等；

⑷存储介质多，格式复杂：数据存储介质多样，格式复杂给各油田数据统一管理带来巨大困难；

⑸软件使用的环境复杂：目前各油田单位的应用系统使用了ibm、sun、windows等多种操作系统和专业应用平台；

⑹数据利用价值高：石油信息由于包含了各种地理、地质等国家基础信息，以及各油田的专业数据信息，这些信息十分重要，任何数据的丢失都会给国家带来巨大损失。

（二）国内外石油企业信息化发展现状

国际上大石油公司的信息化发展普遍经历了四个阶段：数据集成、专业集成、部门集成和企业集成。上个世纪80年代，国际石油公司完成了第一阶段工作，解决了不同格式的井筒、地震等数据的统一和数据兼容性问题，统一了专业数据格式和数据采集规范，达到本专业的数据集成。进入90年代，信息系统建设达到了专业集成应用阶段，如世界著名的斯伦贝谢石油公司建立了高速计算机网络传输平台，使公司内部的研究、勘探、开发、生产、制造、销售、服务及日常公司管理业务在一个网络系统下运行。90年代中期，各石油公司纷纷采用项目管理的工作方式，既采用地质、测井、地震、油藏工程等多学科协同工作的项目组方式，构建资源共享的地球模型，提高研究水平，缩短项目周期，降低成本。使自己的软件集成化起来，逐步形成了勘探开发“一体化”，并建立公司级或国家级数据管理中心，将数据资产转化为知识资产。2000年以来，一些重要的石油天然气公司信息系统建设已经达到企业集成、智能决策阶段。

国内石油企业经过多年的发展和积累无论

是在信息基础设施建设方面，还是在专业数据库与应用系统建设方面都取得了很大成效。在信息基础设施建设方面，各油田主干网已基本覆盖了企业所有的科研、勘探、开发、辅助生产和后勤保障单位，信息基础设施完善。在勘探开发与生产经营过程中，建立了油气田勘探数据库、开发数据库、钻井工程数据库、井下作业数据库、地理信息系统（gis）以及其它一些综合管

理信息系统，其中以中油财务信息系统为代表的管理信息系统发挥了重要作用。在数字油田建设方面，大庆、胜利、塔里木油田都相继进行了数字油田建设规划，并在数据整理和统一应用平台搭建工作中取得了进展，为数据集成与应用集成奠定了基础。目前大庆、塔里木等油田已经着手实施数字盆地、数字油藏、数字地面工程建设。

（三）长庆石油勘探局信息化建设现状

1、网络基础设施建设

长庆石油勘探局已经建成了由西安、庆阳、延安、银川、靖边五个中心构成的覆盖陕甘宁的大型企业网。该网络服务于长庆油田及长庆炼油化工总厂，在石油系统尚属先进水平。截止目前，已有67个单位的87个节点与网络实现了互联。在勘探局内部已经基本实现了各个二级单位与局机关处室的互连互通，形成了覆盖全局的、统一的网络平台，为在全局范围内、各业务系统之间实现及时、准确地数据交换提供了安全的保障。

2、专业数据库建设

在专业数据库建设方面，长庆石油勘探局根据自身的业务特点建立了钻井工程数据库、井下作业数据库，满足了勘探开发与生产经营管理的要求，以石油钻井、井下作业为核心专业的信息技术在油田生产经营中发挥着不可替代的作用。

3、综合信息管理系统建设

在综合信息管理建设方面，长庆石油勘探局内部已经建立起了一批纵向业务管理系统，基本上实现了所覆盖业务的垂直信息化管理。这些综合信息管理应用系统都已经在各自的业务领域范围内发挥出越来越大的作用，为相应的业务活动提供有利、高效的管理措施，并逐步体现出了信息化管理在日常生产、经营管理中的经济效益。建立的综合信息管理系统有：

⑴人事劳资信息管理系统；

⑵中油财务信息管理系统；

⑶设备管理信息系统；

⑷物资管理信息系统；

⑸生产运行管理系统；

⑹市场开发管理信息系统；

⑺质量安全环保管理系统；

⑻办公自动化系统；

⑼长庆数字校园网应用系统。

4、长庆石油勘探局信息化建设存在的问题

随着石油行业信息技术的不断发展进步，长庆石油勘探局的信息化建设由于起步较早，在不断推进实施信息化建设的过程中也逐步暴露出了一些存在的问题。

⑴缺乏有效的数据管理机制。勘探局经过近二十年，特别是近五年来的信息化建设，在专业应用系统中建立了一大批专业数据库，主要包括钻井工程数据库、井下作业数据库、生产运行、财务管理、资金结算、人事劳资、设备管理、物资管理、档案管理、质量安全等。这些系统在勘探局各级单位部门中得到广泛的使用，大大的提高了勘探局生产、经营管理水平，已具备了计算机辅助业务处理的能力，并积累了大量的宝贵数据资源。然而丰富的数据资源由于缺乏一套完整有效的数据采集、维护、使用管理机制，造成了很多基础数据不能按照业务流程及时采集入库，数据分散、丢失现象严重，并且没有把数据作为资产来管理，数据的不完整和不一致也使得数据资源难于访问、管理并获得有效的决策支持。

⑵信息标准规范不完善。勘探局现有的数据库应用系统由于建设时期的不同，以及在建设过程中也没有进行统筹规划和统一部署安排，缺乏统一的数据标准规范，各单位、各部门各自为政，并且缺乏广泛的沟通交流，使得分专业建设的数据库系统之间无法互联互通，难以在全局实现信息资源的完全共享。同时数据库和专业应用软件没有实现集成，专业软件不能直接存取数据库中数据，无法实现跨学科系统的集成，从而提高企业的综合分析研究能力。

⑶信息资源不能实现完全共享。虽然勘探局骨干网及大部分二级单位的局域网现已基本建成，但多年来分散开发或引进的应用系统由于软件运行的平台不统一，兼容性差，应用集成度低，互联性差，形成了许多信息孤岛，缺乏共享的网络化信息资源，使得油田潜在的信息资源难以实现综合管理与应用。勘探局引进的专业分析软件，比如landmark的钻井工程软件包、maurer、fracpropt、dowell、workbench等，一般来自不同的厂家，其功能强大，但由于运行平台不同且它们都有自己不同的数据输出格式，输出的成果很难被其它系统调用实现共享。如何将上网工程与各应用系统集成融合起来，使勘探局内部的信息流畅通是我们目前急需要解决的问题。

⑷应用系统分散、集成度低，不能提供决策支持分析，应用水平有待进一步提高。勘探局现有的大部分应用系统还主要集中在报表的编制、数据的简单查询与汇总上，简单应用的多，能通过互联网实现跨地域生产运行管理和决策支持分析的还相对较少。生产经营过程中蕴藏的巨大信息资源，尚没有充分挖掘出来加以利用，信息资源的增值作用还没有充分发挥出来。

⑸应用系统建设照搬现有业务流程，管理效率得不到实质性提高。各单位大多数的应用系统仍然停留在对现有管理模式和业务流程的模仿和简单计算机化上，多数应用系统基本上是报表的录入和管理。在系统设计的初期，没有将现代管理的思想容入到企业的管理系统中去，从而优化和规范企业的生产和管理。

勘探数据 篇3

关键词：油气勘探；数据采集；大数据化；对策

1.油气勘探大数据的特点和面临的挑战

1.1大数据的特点

我们所指的大数据是针对信息量的采集而言，通常，大数据化有4个显著特点，其一，是数据的体量大，数据量的规模在10TB之上时，我们称这些采集数据为大数据；其二，数据的类别大，如今所采集的勘探数据的种类和格式同过去相比非常复杂；其三，处理速度快，工作人员对数据的处理都勘探数据的处理需要借助大型计算机，现在，我们对数据的处理已经达到实时的处理速度；其四，数据的真实性高，由于对油气勘探的采集源和渠道已经实现透明化，数据的真实性和准确性相对于过去已经大大提高。

1.2面临的挑战

（1）面临数据监控快速准确的挑战。如今，对于油气数据的采集已经由原来的野外组合逐步转变为了通过室内处理进行压噪，对采集数据“宽进宽出”，进而达到数据的充分采样，这样的方式利于提高信号的准确性、分辨率、静校正精度以及压噪效果。炮密度和野外道密度较之过去均有很大的提高，单炮记录到达上万道，生产总炮数是过去的数倍，为了在规定的工期内完成采集，提高每天的生产效益，对于野外现场质量的控制就有很高的要求。

（2）面临数据管理和高效处理的挑战。油气数据堪称海量，所以，数据处理时对计算机的软硬件有很高的要求，处理数据的计算机要配备高效的处理器和外设资源。在对海量数据输入以及输出的管理时，一些意外突发情况难以避免，所以，对于这些重要数据，不但要求计算机对数据的大量存储，而且要求其有稳定的数据输入输出管理技术。

（3）面临快速综合评价的挑战。在如今油气勘探属性提取技术和叠前技术走向成熟之时，对于岩体性质、储层分类以及流体的研究已经普遍采用了大量的叠前数据和单道数据。我们根据不同的数据格式和类型，运用数据挖掘的不同算法。成功实现了从不同角度出发，科学、合理的呈现出勘探数据本身的特点，不断深入数据内部，挖掘出地下地质规律以及油气的地层分布等的数据价值。对于海量的数据，要求数据挖掘的方法和速度需要满足快速处理的要求。

（4）面临多种数据融合分析的挑战。多种勘探数据的融合对于油气勘探工作非常重要，这些数据包括对测井、钻井、勘探等统一化的操作。工作人员通常借助于地质研究资料、测井辅助等来共同建立相关的速度模型，以此选择合适的反演敏感参数。如今大数据化背景下，油气勘探资料十分庞大，处理地震采集资料时需要将各个环节的资料统一汇总，这就要求管理部门建立油气勘探处理勘探数据的一体化平台，而当前所建立的数据处理平台无法满足数据处理的需要，所以说，当前油气勘探面临着数据融合分析的挑战。

2.应对油气勘探大数据的对策

2.1应用便携式采集仪器降低劳动强度

制约油气勘探技术发展的瓶颈是数据采集装备的优劣，所以，快速发展数据采集装备才能够推进物探技术的进步。工作人员在野外作业时，地震仪器能够起到关键性的作用，它不仅能够提高野外数据质量和施工质量，而且能够降低生产的开支。因此，我们可以采用能够满足大数据时代所需的采集仪器，总的来说，地震采集仪器可以分为两大类，有线和无线。前一种在传统的勘探过程中广泛采用，这种方式是用大线将野外的采集站之间相互连接，有线仪器能够将交叉线与子单元之间相互连接，进而形成局域传输网络，局域网络的传输在速度和可靠性上都大大优于一般的网络。无线仪器指的是实时无线仪器，这种仪器最大的特点是借助现代的无线电波技术，进而实现数据信息的传递和交换，由于这种方式下主机和采集站之间无需电缆相连接，数据的采集和管理也更加的网络化、系统化，整个采集系统也因此方便灵活的多。

2.2加大处理环境建设提高数据处理能力

在大数据时代，对数据进行快速有效的分析和处理是油气勘探的首要任务，要想获得深入的、智能的、有价值的信息，就要对大数据进行快速、准确的分析。

大数据的分析方法在大数据领域中扮演着相当重要的角色，它也决定着数据信息是否有利用价值。数据处理和数据管理是大数据处理分析的两个重要环节，这两个环节保证了分析结果真实性和有价值性。随着信息技术的日益发展和完善，安全、有效的信息处理技术使得油气勘探的数据处理有了充分的保障，为了满足和油气勘探运算量的需要，就需要建立油气勘探大数据处理中心，借助云计算等新技术，以此提高勘探数据的处理能力。

2.3应用量化控制软件提高数据可靠性

在过去，工作人员对野外质量的控制，仅能够凭借积累的经验在现场对油气勘探地震道的振幅、检波器通断、极性、井口信号等几个有限的参数进行人工评价。而现在，国际物探界的基本做法普遍采用质量控制软件对现场量化质量进行控制，这种方法能够全面、高效、实时、定量地对野外地震采集数据质量进行评价。实时定量化质量控制软件系统的利用，能够实现施工质量的及时监控、野外生产动态的掌控，可以自动实现现场数据的能量分析、频率分析、信噪比分析、主频频宽分析、异常道分析、等级评价等，自动生成质量控制报告，减少人为干预所造成的误差。

3.结语

如今的科学技术进步和发展带来了油气勘探大数据时代，这也给油气勘探技术发展带来了前所未有的挑战和机遇。在大数据时代下，油气识别朝向高精度、高效率方向发展。本文从油气勘探大数据的特点着手，探讨了油气勘探面临的诸多挑战，并给出了几点应对策略，为我国应对石油油气勘探大数据时代提供参考和借鉴。

参考文献：

[1]王振东.石油勘探技术要点与最新进展[J].物探与化探，2014，30（1）：1-6.

[2]蔡希玲.油气勘探检测与压制方法[J].石油地球物理勘探，2014，34（4）：37-38.

[3]杨春梅，等.大数据时代[J].天然气工业，2014，24（5）：48-50.

[4]张占杰，等.地震干扰波的衰减方法及其应用[J].海洋石油，2013，26（3）：9-13.

[5]李金诺.浅谈石油行业大数据的发展趋势[J].价值工程，2013，32（29）：72-74.

金属矿山勘探数据处理 篇4

金属矿山的生产方式复杂，生产设备数量巨大，信息量巨大。因此对存储数据进行处理在金属矿山数字化过程中起重要的作用。金属矿山数字化在地质勘探需要长时间地采集记录海量数据。SD卡因具备体积小、功耗低、可擦写以及非易失性等特点而被广泛应用于存储电子产品中，其核心是利用SD卡作为设备载体，采用单片机控制系统读取SD卡内容，并根据设备当前工作状态按照预先设定的工作模式控制设备继续工作[1]。系统整体原理框图如图1所示，其工作过程为：单片机采用SPI通信模式获取SD卡内文件数据，同时单片机采用RS232通信协议把获得的数据发送到PC上测试。

2、数据分析接口设计

2.1 硬件设计

SD卡支持SD模式和SPI模式。本设计中就采用了SPI模式接口与控制器的连接如图2所示。SD卡提供9Pin的引脚接口便于外围电路对其进行操作，9Pin的引脚随工作模式的不同有所差异。在SPI模式下，引脚1 (DAT3）作为SPI片选线CS用，引脚2 (CMD）用作SPI总线的数据输出线MOSI，而引脚7 (DAT0）为数据输入线MISO，引脚5用作时钟线（CLK）。除电源和地，保留引脚可悬空处理。

采用SPI通信模式，与SD卡连接的单片机引脚功能对应发生变化（图3）。

单片机通过SPI通信模式与SD卡建立起信息传递模式。单片机在此过程中起到中间件的作用。

2.2 软件设计

2.2.1 SD卡技术规范

SD卡符合FAT32文件系统规范。此文件系统由四部分组成，分别是：引导扇区、FAT表、文件目录区、数据区。

通过对FAT32文件系统分区结构分析得出以下结论：

(1）保留扇区包含：主引导区MBR其它保留扇区。主引导区记录了关键数据簇中的扇区数、每个扇区字节数（nCountSection）、FAT1的物理地址（FAT1＿HeadAddr）、FAT1所占扇区数（nCountSectionOfFAT）、FAT的数（nCountFAT）;

(2) 根据FAT2是FAT1备份的特性可计算出根目录区的物理首地址 (RootCatalogAddr) ;

(3) FAT32文件中长文件由短文件组成。根据短文件

目录项，每32个字节表示一个文件（同文件夹）。32个字节的表示定义可以从文件的属性项等信息[2]。

2.2.2 读取SD卡单个文件算法分析

(1) 获取FAT1中下一簇数据地址算法如下：

(2) 文件格式判断算法

3、测试方案

采用单片机STC12C5410AD与PC之间的串口通信，使得单片机STC12C5410AD从SD卡采集到的数据显示在PC上。系统中采用89C51单片机作为下位机，运行WindowsXP的机作为上位机，二者通过RS232串行口进行通信。RS-232接口使用的是RS-232电平，是负逻辑定义的。其电气特性要求：规定逻辑"1"的电平低于-3V，而逻辑"0"电平高于+3V；与TTL电平截然相反。要使这两种电平能够连，必须加入相应的电平转化电路[3]。在本设计中采用集成平转换芯片MAX232进行RS-232/TTL电平转换。单片机STC12C5410AD与PC之间串口通讯的硬件转换电路如图5所示。

结束语

通过串口将本系统连接到PC进行测试，测试结果表明本系统完成对FAT32文件系统的读写。将运用到采集系统的设计，减少系统的尺寸，提高系统的可靠性，为长期大量的地质数据采集、存储提供了技术支持。

摘要：金属矿山数字化可以充分利用资源, 能够高效对矿山生产进行监控, 提高矿山企业经济、社会效益。为了达到这个目的, 提出利用金属矿山实现数字化管理。采用SD卡的SPI通信模式, 用单片机编程模拟SPI总线时序, 同时对实现对SD卡内FAT32文件系统格式勘探数据进行处理。

关键词：金属矿山,数字化,SPI,FAT32

参考文献

[1]葛健、董浩武、郑海兵.嵌入式SD卡存储器设计[J].电子技术应用, 2010, 5139-142

[2]朱大锐、张团善、高文..ATmega128L单片机的Micro SD卡读写[J].单片机与嵌入式系统应用.2009, 5.37-39.

勘探数据 篇5

3.1.1主数据模型的定义主数据模型：涵盖传统的勘探开发数据模型内容，增加勘探开发各专业之间需要相互引用的共享数据，建立起的规范数据模型，称为主数据模型。基本实体：引领和构成主数据模型实体联系的的井、地质单元等顶层实体，称为主数据模型的.基本实体。专业实体类：将2.2识别的钻井、测试、地质、采油等16类专业共享数据，定义为主数据模型专业实体类。

3.1.2主数据模型的逻辑结构石油上游勘探开发主数据模型由九个基本实体和十六类专业实体类构成。基本实体作为顶层或引领实体是主数据模型的核心实体。专业实体类依赖于一个基本实体而约束存在。根据专业数据的特点，专业实体类的实体，可以直接作为基本实体的子节点实体，也可以是在专业实体类内构建的多层约束关系的实体。

3.2基本实体

基本实体部分由项目、业务单位、地质单元、生产单元、物探工区、井、井筒、站库、设备九个实体构成。这九个基本实体代表了石油上游勘探开发和使用的主要对象。其中，地质单元是被发现和认识的客观存在的对象，其它对象，包括生产单元和地震工区是人为划分构建的对象。为了便于管理，将基本实体属性分为主体部分和辅助描述部分，主体部分和辅助部分之间一般是一对多的关系。基本实体辅助部分描述基本实体的自身结构，状态变化信息，如地质单元的父子关联关系、井生命周期变化等内容。项目：记录区域勘探与油藏评价、油田开发产能建设等专项投资项目。将勘探与开发地质层系划分方案作为项目管理，以区分不同层系划分的层位数据。业务单位：记录油田公司各级油气生产单位，参与油田公司勘探开发施工作业的服务公司。地震工区：地震勘探所设定的数据采集工区。地质单元：勘探开发过程中所认识的、客观存在的各级地质构造单元。生产单元：油田开发过程中所划分的生产区块或单元，可以是地质单元，也可以是地质单元部分或组合。井、井筒：井和井筒是父子关系，井筒是井的若干分支，一口井有一个地理坐标，可以有多个地下井筒目的层坐标。站库：用于油田地面油气集输的处理单元。设备：勘探开发钻井、井筒施工或测试、油田采油和注水使用的移动设备和固定设备。

3.3专业实体类

在主数据模型逻辑结构上，以基本实体为引领，对十六个专业实体类，按照各专业产生和使用数据的方式和特点，针对性地进行内部数据逻辑结构设计。以地质油藏专业实体为实例，来阐述专业实体类的设计方案。区域地质的关键实体分层方案记录了对层位的认识，层位结构记录不同分层方案层位的上下关系。构造、圈闭、断层属性数据表描述区域的形态，储层、油气藏流体、小层评价等属性表描述区域单元内部特性。单井地质实体类以井筒基本实体展开。井筒地层存储单井钻遇的地层信息，包括界、系、统、组、段。井筒层位存储单井钻遇的油层组、砂岩组、小层、沉积单元、夹层等。井筒地层与层位受区域地质中所属分层方案下的层位约束。对比联通数据用来实现井筒层位的对比，描述其联通关系。

4结语

提高勘探大数据属性分析效率的策略 篇6

早在上世纪80年代一本信息技术经典《第三次浪潮》中就提出了大数据的概念，该书作者将大数据比拟为第三次信息浪潮中的华彩乐章。所谓大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。近些年伴随着互联网技术不断深入发展，“大数据”概念再次回到人们视线当中。再一次提出的“大数据”概念除了继承最初定义外，人们更加强调它的应用价值，从狭义上讲大数据实际是指大数据处理，主要是指通过专业化处理由广泛、海量的数据体中产生新的、有价值的，能够指导企业获得盈利的信息资源。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

按照定义，油气地震勘探是一种利用先进的计算机数据处理能力对野外收集的原始资料进行各种去粗取精、去伪存真的加工工作。因此从狭义上讲，油气地震勘探数据处理、解释工作显然是一种大数据应用。在油气地震勘探中，地震数据是加工工作的主要原材料，这些地震数据是埋藏在地球表面几千米下的地层形态和性质的真实反映，通过各种数字化方法获得。正如前面所说的，大数据的作用就是指导企业盈利的获得，如果经过处理后得到的信息无法真实反映现状，很有可能会指引企业迈向一个错误的方向，可以说这样的大数据对企业经营是不具备价值的。现代勘探技术尚不足以确保地震数字资源获得过程中不受到任何干扰，因此现实中获得的地震数据中或多或少都存在一些非真实反应地下状况的干扰信息。这些信息如果过多必然会导致数据现实的地质信息的错误，因此勘探数据在进入应用前都需要开展一定的预处理和分析工作，从而剔除这些杂质。

1 地震勘探大数据属性分析面临的问题

正如大数据发展趋势，随着地震勘探技术的不断进步，地震勘探所获得的数据体规模越来越大;数据结构越来越复杂;数据类型越来越多。特别是近几年随着地震油气勘探地质目标逐步转向“低、深、隐、难”，小断裂、薄储层的识别，需要地震采集资料具备高分辨率、宽方位的特点，由此产生了野外高密度宽方位地震采集技术，随着覆盖密度的提高，目前采集的地震资料数据量较以往呈现出几何级增加的特点，动辄达到几十T甚至上百T。对这种规模的数据体进行预处理和分析工作，难度越来越高，所占处理周期越来越长。这是由于在地震资料处理及过程质控分析中，往往需要对资料处理各阶段的地震数据属性开展分析对比，以便掌控资料特点及处理前后的属性变化，如信噪比、频带宽度、子波特征等。这些分析，在数据量不大的情况下，可以利用各种资料处理软件或属性分析较快完成，但当数据量达到几十T甚至上百T，属性分析效率明显下降，严重制约了处理过程分析及质控检查，如何提高海量地震数据属性分析要率显得至关重要。

目前勘探数据处理公司对地震勘探数据属性分析通常采用高性能集群多节点同步处理模式进行计算，计算节点并行主要采用MPI编程模式。如图1所示。

MPI(Massage Passing Interface)是一种消息传递函数库的标准规范，支持Fortan和C语言调用，是模式大规模并行处理机(MPP)和集群采用的主要编程方式。正如图1所示，在这种编程模式下，所有并行进程都由自己独立的数据空间，相互之间的访问不能直接进行，必须通过显式的消息传递实现数据交换。这种模式对计算节点间互联互通状况要求比较严格，而数据无法相互共享数据的状况对集中存储系统的读写会带来一定的压力。而多节点多进程同时采用MPI进行数据同步时，通讯数据量增长以及进程间相互同步会很明显影响数据处理效率。在面对勘探大数据处理中，单纯使用MPI编程显然已经无法有效提升数据分析效率，需要考虑其他能够充分共享数据、有效利用计算节点内CPU多核特点的编程技术。

另一方面，传统模式中多个进程通过多个不同的网络端口来访问集中存储系统中同一个文件。集中存储系统总的IOPS是有限了，目前最好的并行文件系统IOPS值大约为300万次/秒，而如果集中存储系统是单控制器的NAS系统或单个磁盘系统，这个数据是非常小的。同时多个进程访问同一个存储时，硬件性能的限制就会决定到每一个进程得到的数据读写服务响应速度，进程越多，平均响应速度就越小，而且这一减少程度明显会超越线性关系。因此并行处理程序同时处理数据的进程越多，访问数据粒度越小，调度越频繁，性能就越差。

还有一个影响数据属性分析效率的原因是分析数据的采样间隔，众所周知，勘探大数据动辄达到几十T甚至上百T。传统模式中对所有数据点、线、面进行逐一计算分析显然会消耗大量的计算时间。在确保分析结果不受到影响的前提下，必要的数据筛选和抽样能够有效提升数据处理效率。

2 提高地震数据属性分析策略

针对并行计算机影响数据分析效率的因素分析，为提高分析效率，一方面通过属性分析算法优化及增加并行任务数提高效率，另一方面采用多线程、共享内存、优化数据分割粒度等方式进一步提升分析效率。在硬件环境不变的情况下，通过算法的变化提升属性分析效率，从而确保地震勘探大数据处理周期能够满足科研生产工作的需求。

2.1 应用MPI与OpenMP混合编程模式，通过多线程提升分析效率

MPI并行计算时，每一个计算机点上运行一个或多个计算进程，这些并行进程都有自己独立的数据空间，相互之间并不进行直接的共享同步。进程间同步动作都是通过与管理节点主进程间消息传递来实现。这种模式显然对于数据共享存在这一定的问题。并行计算研发人员为了能够充分应用到单个节点内部多CPU、多核以及多流水线技术，在进程概念中内引出了线程的概念并加以实现。可以说线程是从属于进程的系统最小调度单位，一个进程可以拥有多个线程，同一个进程派生出的线程共享操作系统分配给进程的所有资源，线程间的调度切换比进程间调度切换更密集更快速。

OpenMP就是在同一个节点利用线程开展并行计算的一种编程方法，它作为共享存储标准而问世的，是为在多处理机上编写并行程序而设计的一个应用编程接口。它包括一套编译指导语句和一个用来支持它的函数库。将OpenMP与MPI进行比较可以发现:OpenMP是线程级的并行计算(并行粒度);线程间共享存储;数据分配方式是隐式的;程序必须局限在一个操作系统内部，无法扩展到集群多节点上。与之对应的是MPI是进程级的并行，进程处理的数据使用各自不同的存储空间;进程间通过显式消息传递进行同步和通讯;MPI编写的程序能够很轻松地部署到集群多个节点当中，充分利用集群多节点计算资源提升计算效率。OpenMP编程十分简单而MPI编程模型相对复杂。

通过以上这些比较可以看出，如果采用MPI与OpenMP混合编程技术，利用OpenMP可以利用多个线程同时对一块数据进行并行操作，有效利用计算节点多CPU、多核以及多流水线的并行计算能力提高计算效率。与此同时MPI负责在多个计算节点上利用多个进程同时对同一个勘探数据体不同位置进行处理。能够有效提升地震勘探大数据属性分析效率。属性分析系统技术方案调整为如图2所示。

图2所示编程模式当中，首先主程序在不同的计算节点上利用MPICH2开启多个MPI属性分析进程，该集成调用方案如图3所示。

每个节点上的每个MPI进程单独申请并管理必要的内存空间，从集中存储系统上读取同一个数据体文件中指定未知的相关数据，然后通过OpenMP开启多个计算线程，OpenMP以道集指标计算为并发计算单元同时对内存中数据进行属性分析计算。所有线程结束后，相关进程将属性分析结果发回集中存储指定文件相对应位置，然后回收注销内存空间，向管理节点发送处理结束消息后等候管理进程通知，接到管理进程结束通知后注销相应进程。主程序开始下一步骤的数据处理操作。

2.2 数据粒度分割策略

正如前面章节中所提到的，由于地震勘探数据容量经常是以TB为单位的，数据文件不可能存放在某一个计算节点或内存当中，通常会以一些并行存储系统集中保存原始数据文件以及处理中间成果和最终结果文件。集中管理的并行文件系统对外读写服务能力是有限的。因此多进程并行处理程序经常会出现多个计算节点同时对某一个文件后某几个文件进行数据读写操作，每个进程的读写效率显然会受到进程的多少以及数据分割粒度的影响。在极端情况下，大量进程相互抢占存储读写带宽有可能会造成数据拥塞而导致计算效率大幅降低甚至整个处理过程中断运行。由于每个集群连接的并行文件系统读写能力不同，忙先程度也有所不同，因此对文件中数据分割粒度必须经过现场试验的方式才能确认。笔者企业使用的计算集群使用IPS并行存储系统，为确定笔者企业数据粒度大小，项目组开展了一系列实验。首先设计了几种可能对数据读写方法，包括:

方法1:单节点单进程分别读取一个文件。

方法2:单节点多个进程同时读取一个文件的不同部分。

方法3:多节点每节点一个进程分别读取一个文件。

方法4:多节点多进程同时读取一个文件的不同部分。

利用方法4分别对为4个1.6GB大小SEGY文件的实验数据进行操作，最多使用到4个进程，每次读取不同大小的数据块即数据分割粒度分别为5M、50M、100M。通过实际状况测试数据读写到内存中的时间，如表1所示。

通过表1可以发现，在笔者企业实际生产环境当中，最优的数据粒度分割方案应该是一个计算节点上同时采用4个进程分别读取同一文件的不同部分读取耗时最小。每个进程每次读取量不宜过大，控制在50M以内为宜。因此在笔者企业属性分析系统设计中数据分割粒度按照50MB分割，在其他应用场景中需要根据工作现场的实际状况通过测试来确定这一参数。这里能够的得出的结论就是通过这些精细化的预判实验能够有效提升大数据处理实际运行效率。

2.3 数据筛选和抽样

勘探数据“大数据化”趋势使得属性分析系统越来越难以针对整个数据体开展工作。并不是算法无法计算，仅仅是由于现有计算能力不太可能在规定的时间内完成计算。虽然大数据的发展趋势是利用无间断数据属性展示数据内涵，但考虑到在最短时间内利用数据产生指导意义的信息才是大数据存在的最终意义，本文必要的筛选和抽样对大数据处理是必不可少的步骤，只有在现实条件下能够产生效益的数据对企业才具备保存和处理的价值。地震勘探数据属性分析工作当然也要执行这一步骤，在不影响结果准确性的前提下，通过点、线、面结合的方式提高质控效率，通过优化算法提指标运算速度。如图4所示。

通过测试可发现对质控指标计算可进行重新采样，道集指标计算等间隔抽道进行不会影响属性分析结果，另外在算法设计中还需要考虑多种诸如缓存中间数据、去除重复计算等多种算法优化方法才能进一步提升处理效率。通过一块710MB的炮集测试数据进行测试完成图4中的算法优化效率表，从该表中看出通过开展一系列算法优化和数据抽样操作，属性分析整体效率有了明显的提升，优化取得了预期的效果。

3 应用效果分析

结合以上并行优化研究，笔者企业针对地震勘探数据属性分析质控系统进行了设计，利用MPI+OpenMP混合并行编程实现了地震勘探数据属性分析系统。整个系统架构如图5所示。

从这个架构图中可以看出，整个属性分析系统使用一个管理节点管理整个分析过程，管理节点通过MPI编程在多个计算节点上建立多个进程读写地震勘探数据，创建计算线程对相关数据进行分析，得出包括信噪比等多个属性分析数据后统一存放在并行文件系统中结果文件当中。这一系统开发优化完善后很快在某企业得到了应用，通过统计实际生产效果可以得到如表2所示效率对比表。

通过这一对比可以发现，相对于过去MPI编程实现的系统效率，在改变并行计算机硬件环境的条件下，通过算法优化和并行计算模式转换，地震勘探大数据属性分析效率提升近10倍，这还是在只使用1个计算节点的情况下统计出的数据，如果进一步利用集群中多个计算节点并行，效率将进一步提升。

4 结束语

通过以上系统研发过程不难发现，油气勘探地震数据应用目前明显有“大数据”化发展趋势。大数据应用的核心问题是应用系统软件的研发。大数据处理离不开多节点计算集群并行计算的辅助，混合使用多种算法并行化开发方式才能充分应用现有计算资源，提升处理效率，使得大数据应用成为可能。另一方面，只有能够分析出有用信息的大数据对企业而言才是具备处理价值的数据，因此必要的数据预处理、筛选和抽样工作必须根据实际工作的需要适度开展。只有开发出适用与现实企业工作状况的数据处理平台，大数据才能发挥它应有的作用。

参考文献

[1]钟瑛,张恒山.大数据的缘起、冲击及其应对[J].现代传播:中国传媒大学学报,2013(7):104-109.

[2]陆基孟.地震勘探原理[M].东营:石油大学出版社,1993.

[3]祝树云,朱旭光,颉冬莲,等.应用并行计算机框架提升地震数据处理效率分析[J].石油地球物理勘探,2011,46(3):493-499.

[4]贺春光,王英华,栾伟.地球物理勘探海量地震数据高效操纵技术[J].石油工业计算机应用,2011(2):25-27.

勘探数据 篇7

1 规范审校

就是把数据按规范统一起来。数据本身不一定有错误,表述不同计算机就会认为他们是错误。日常生活中,或者平日的资料里会对同一个事物或属性进行不同的描述。比如完井报告中描述试油结果是“工业油流”,也有的完井报告写“工业油层”。看报告的人会认为一个样,计算机就会认为不同,这就是说计算机中一个信息(数据)就是确定的数据,不允许不同或有二义性。比如:井号,有时会说“XX”,还会说“XX井”;斜井中大写的“X”与小写的“x”;地理位置中会出现“霸县”与“坝县”;“候”与“侯”;层位中会有“二”与“2”等等情况,不胜枚举。平时看到都会正确理解领会,在计算机中就成了两个截然不同的数据,查询时就会得出不同的结论,所以必须避免和排除。对待这类问题,我们创建了辅助数据表,枚举所有问题,临时出现的就及时增加进去,对新入库的每个字段都进行遍历,进行统一。比如搜索入库井号字段,把“坝”替换为“霸”;“X”替换为“x”;同样搜索其他可以归类出标准代码的字段,检查其内容是否被包含在代码表中,如果代码表中没有其内容则给出怀疑报告,提交人工处理。

2 单位统一校对

来自不同途径的数据其单位就有所不同,录入数据库中就要求单位统一。同一类数据单位不一致,在数据库中会表现出数值异常,据此可以提出疑问,提示校对者复查。比如:纸质资料中表述原油产量用单位“吨”,表述天然气产量常用“立方米”;数据库中统一到一个字段“油气产量”,其单位是“吨”,如果该井该字段是日产5000,那么就有可能是混淆了单位,很可能是5000立方米气,应当查看原资料落实。又比如:分析化验资料中渗透率的单位达西(mD),常常会因为渗透率的高低而使用达西或毫达西,出现异常高的渗透率就是异常的,应当再落实。套管尺寸、钻头直径等字段的单位是毫米,不能是英寸;温度是摄氏,不是华氏。尽管原始资料中单位各式各样,录入数据库中就要统一表达。

3 值域校对

就是校对取值在一定范围的数据,超出这个范围就是问题数据。比如井深,不会大于4位数,即几千米,目前还没有大于7000米的深井,那么就搜索大于7000米的井深,发现后则给出怀疑报告,提交人工处理。今后可能会出现更深的探井,届时再调整这个数值。又比如井位xy坐标,油田的探区相对固定,那么井位就不会超出探区的范围,也就是xy坐标有范围值,用计算机检索大于或小于其范围值的数据就是可疑数据,就要提交人工处理。钻头直径、井斜、方位角等等都有范围,超出这些范围就是疑点,就要提交人工查看、校验。

4 自我审校,内部统一

就是用数据的关联性相互比对发现矛盾。油气勘探数据中部分数据是相互制约,相互支持的,找出数据间的相互关系,用计算机查对这种关系从而发现不服从这种关系的数据。与纸质原件对照不一定能发现此类错误,因为原始资料本身就可能存在错误。比如:开钻日期<完钻日期<完井日期;又比如:钻头直径>套管直径;顶界深度<底界深度;补心海拔=地面海拔+补心距;地层厚度=底界深度-顶界深度;事故发生时间<事故解除时间,发挥计算机比对迅速的优势,很容易找出这类疑点,提交人工验证。

自我审校还包括同一库中不同表之间的数据对比,即钻井数据、录井数据、试油数据、测井数据各表中不能出现相互矛盾,通过左右互证发现谬误。

5 统计审校

就是利用不同资料来源的数据,对比其相同数据的和差,计算出的和差相同,那么大体上每个数也是一致的。和差不同时就对比上半部的和差,上半部数据和差相同,再对比下半部数据和差,用这种折半查找法找出不同的数据。此类方法的实施前提是同类资料收集到两套,且来源不同。来源一样的相当于一套,资料不同也失去对比的前提。比如:测井成果数据,收集到了表格版电子文档,又有录入数据库中的数据,则其中的井深、自然电位、声波时差、自然伽马等等都可以用此法对比。

6 计算机朗读辅助校对

就是计算机朗读数据库中的数据,校对人员看着原稿件逐一校对,主要任务是发现不同。平时都是把计算机中的数据打印出来,比照原稿一一校对,也有时用原稿和计算机显示器上的数据进行校对,这样校对人员很辛苦,不停地抬头、低头,还很容易看错行。计算机读出声音,校对人员边听边看原稿数据,可以根据原稿数据出现的顺序,设置成一条记录,一条记录的横着念,也可以设置成一列一列的竖着念。不易疲劳,减轻了工作强度,准确率也提高了。

7 成图后比对

就是将计算机中的数据画成图形和纸质图形比对,找出不同。油气勘探数据有许多是用来成图的,比如:综合录井图,测井曲线;井斜曲线等,用数据库中的数据直接成图再和纸质图形对照,很容易发现突出的异常点,发现异常点再读取相应的数据一一对照,就发现了问题。

总之,数据校对不是简单的劳动,“对”是要保持和原稿件数据一致,要求认真仔细,一丝不苟,“校”是发现原稿件中数据的错误,功夫在学识、心智。计算机程序只是辅助校对人员找出可疑之处,如何修改要依靠校对人员的学识水平和判断能力。

摘要：介绍了计算机辅助审校的7个方面,包括自动校对和协助校对的数据规范、单位统一、值域合理、内部一致、统计审核、语音朗读、成图对比。

基于辽河勘探数据库的钻井轨迹计算 篇8

辽河油田公司勘探数据库[1]经过多年建设, 取得了长足的发展, 通过互联网技术、海量数据管理技术、分布式数据库技术, 实现了包含录井、测井、试油、分析化验、物探采集、地震处理、储量、矿权等专业数据的集中管理和网上共享, 在控制预测储量研究、油藏描述、勘探部署等方面得到了广泛的应用, 极大地提高了科研人员收集资料的效率和研究精度。在应用方面, 提供了录井、测井、试油、分析化验等实时数据的曲线绘图功能, 但是系统提供的计算功能很少, 例如, 根据实钻测斜数据计算井眼轨迹曲线[2]。本文讨论根据辽河勘探数据库的测斜数据计算实钻井眼轨迹的方法, 为井眼轨迹绘图提供底层功能模块。

2 数据模型

由于保密制度, 下文中的数据表、数据项的名称采用“伪名”来表示, 不是辽河勘探数据库中的真名。

设计井的基本数据表DES_BASEWELL, 包括以下数据项:

(1) WELLID:井的唯一标示符, 字符串, 主键;

(2) WELLNAME:井名, 字符串;

(3) NCOORD:井口大地纵坐标 (m) , 实数;

(4) ECOORD:井口大地横坐标 (m) , 实数;

(5) KELLYBUSHINGS:补心海拔 (m) , 实数;

(6) ANGLE_DIP:磁偏角 (°) , 实数;

(7) 其他数据项……

实钻井的测斜数据表INCLIN_SURVEY, 包括以下数据项:

当给定井的唯一标示符wellid之后, 分别使用下面的SQL语句从数据库中查询出以上数据:

3 空间圆弧模型[3]

约定:除非特别指明, 具有长度量纲的参数其物理单位为m, 角度的物理单位为弧度 (rad) , 井眼曲率的物理单位为m-1。

在实钻井眼轨迹计算中, 可以将每个测段的曲线看成是线段或空间斜平面上的圆弧, 先根据测斜数据计算每个测深处的井眼参数, 然后再计算加密井深处的井眼参数, 最后输出或用于绘图。

假设空间圆弧AB的端点处的井斜角分别为αA和αB, 方位角分别为φA和φB, 则圆弧狗腿角ε和半径R分别由下式计算:

式中:tA和tB分别为A、B处的井眼方向矢量。A点的圆弧内法线矢量由下式计算:

测段的坐标增量由下式计算:

式 (4) 即是最小曲率法的矢量表示式。

4 测斜数据计算

假设从数据库中查询出来的测斜数据 (井深 (m) 、井斜角 (°) 、方位角 (°) ) 为n个, 依序记为Li、αi、φi, i=, 12, ..., n, 并对方位角进行磁偏角校正 (东加西减) , 仍记为φi。

测斜计算的顺序如下:

5 实钻轨迹计算

测斜数据是按照不定井深间隔测量的, 可能10多米一个测点, 当绘制井眼轨迹图形时, 由于测点间距较大, 曲线呈锯齿状。为此, 需要对每个测段内的数据点进行加密, 使得绘制出来的曲线连续光滑。

假设对井深进行等间距加密, 加密间隔为δ (m) , 在第i个测段上, 加密井深点为:

计算每个加密测点处的井眼方向矢量和坐标矢量, 如下:

6 编程实现及应用

辽河勘探数据库采用三层服务构架[1], 底层服务系统使用Java语言来编程, 绘图功能采用Java 3D应用编程接口来编程。当用户从浏览器控件发出绘制某井的实钻井眼轨迹的请求之后, 底层服务程序首先从数据库中查询出测斜数据, 其次计算出实钻轨迹的坐标数据, 然后绘制实钻井眼轨迹的水平投影图等, 最后发送回客户端。

图1是辽河油田马538井的绘图实例 (客户端浏览器的显示截图) 。

7 结束语

辽河油田勘探数据库仍在不断的发展之中, 一方面是每天的大量生产数据的实时入库工作, 另一方面是以勘探数据库为基础开发更多的应用功能。本文所做的工作可以看做是应用开发的一种工作模式, 随着应用功能模块的不断增加, 辽河油田勘探数据库的服务功能会越来越完善, 在科研、生产中发挥越来越重要的作用。

摘要：本文简单介绍了井眼轨迹空间圆弧模型的矢量描述技术, 建立了测斜数据处理的计算公式和处理流程, 以及实钻井眼轨迹加密点处参数的计算公式。描述了辽河油田勘探数据库中与测斜数据有关的数据表和数据项, 介绍了以数据库为基础的实钻轨迹计算模式。

关键词：辽河勘探数据库,测斜数据,井眼轨迹,空间圆弧模型,最小曲率法

参考文献

[1]廉仲元.辽河油田勘探数据库系统研究及设计[D].大连理工大学硕士论文, 2002.

[2]鲁港, 商维斌, 张琼等.最小曲率法测斜计算中的数值方法[J].石油工业计算机应用, 2009, 63 (3) :16-19.

勘探数据 篇9

三维地震勘探是一种高密度面积采集技术。它利用炮点和检波点网格的灵活组合获得分布均匀的地下CDP点网格和确定的叠加次数。文章以新疆库尔勒市塔什店向斜北翼煤矿为例[1], 系统分析了三维地震勘探工作中野外施工的主要影响因素。

1 试验工作

生产前通过对地质资料分析, 掌握工区地质、地球物理特征, 了解区内地震地质条件及有效波、干扰波发育情况, 优选施工参数和压制干扰波, 为正确选择最佳的激发条件、接收条件和仪器采集因素提供依据, 以确定完成地质任务所采用的基本施工方法。

本项目均匀分布共布置3个试验点, 其试验内容覆盖了区内各类地震地质条件。通过对区内已知地质资料及39张地震试验记录的分析、研究认为:勘探区表层及浅层地震地质条件复杂多变, 松散的砂层及较厚的卵砾石层对地震反射波能量有强烈的吸收、衰减作用, 对地震记录面貌有一定影响, 经对试验资料分析, 确定本区激发井深选在8～10 m地层结构较致密地段激发效果最好, 如图1所示;由于施工区无潜水位, 势必造成地震单炮记录的面波、声波及一些高频干扰。因此, 必须把炮井填实、填满、捣实, 采用闷井激发等手段尽量减小各种干扰的影响程度, 如图2所示。经对试验资料分析, 确定本区激发药量选在1.5～2.0 kg闷井激发效果最好。

2 观测系统的选择

观测系统正确与否直接影响数据采集质量、资料处理效果和地质成果的精度。新疆库尔勒市塔什店向斜北翼煤矿三维地震勘探地质任务要求严、精度要求高, 本项目有针对性地采用较小排列、增加横向叠加次数及全区高次叠加的方法, 采取接收线垂直地层走向布置, 规则束状8线8炮制观测系统, 如图3所示, 叠加次数为24次。

3 采集参数的确定

3.1 采集仪器的确定

本区采用428XL多道遥测数字地震仪, 1 ms采样, 宽频带接收。

3.2 空间采样间隔的确定

空间采样是指分布在地面上离散的检波点采集的地震讯号。三维空间采样间隔包括道距和束线中的接收线距。根据采样定理, 为了使道距的选择不产生空间假频, 道距ΔX应为:

式中, ΔX为道距, m;V为视速度, m/s;F为反射波主频, Hz。

如果该区应保护煤层反射波主频为70 Hz, 视速度V=3 000 m/s, 则ΔX≤21.428 m。

考虑到本区地形高差变化较大, 选用20 m接收道距, 40 m接收线距。

3.3 炮点网格密度

炮点网格密度主要跟纵横向叠加次数及排列道数有关, 由于本次三维地震勘探拟采用纵横向24 (6×4) 次叠加, 考虑到本区目的层平均深度在400 m以深, 因此, 采用每线48道接收, 在8线8炮、道距20 m、线距40 m的情况下, 正常炮点纵横网格密度为80 m×20 m。

3.4 炮检距的选择

炮检距的选择与目的层的深度、动校正拉伸程度、速度求取的准确度等因素有关。而最主要是目的层深度。要求最大炮检距尽可能与目的层深度相当, 以确保相对反射波能量受入射角以及直达波干扰、动校正拉伸程度的影响较小。因此, 本次勘探最大炮检距选择在571.4 m, 最小炮检距选择为20 m。

3.5 三维勘探施工面积的确定

3.5.1 偏移范围的确定

偏移范围是倾斜地层界面中的反射点恢复到正确地下位置时移动的水平距离L。

式中, L为水平偏移距离, m;V为速度, m/s;T0为时间, s;α为倾斜地层界面角度, (°) 。

设V=3 000 m/s, T0=0.6 s, α=15°, 则水平偏移距离L=233 m。

3.5.2 地震施工面积的确定

地震施工面积S由式 (3) 计算:

式中, LX、LY分别为地下实际勘探面积的长和宽, km;MX为沿倾斜方向两个边界最深目的层偏移距离之和, km;MY为沿走向方向两个边界最深目的层偏移距离之和, km;L1X、L2X分别为沿倾斜方向两端附加段长度, km;L1Y、L2Y分别为沿走向方向两端附加段长度, km。

根据计算, 地震施工面积为11.2 km2。

3.5.3 CDP点网格的确定

三维地震勘探与二维地震勘探的叠加形式是不同的, 二维是共反射点叠加, 三维则是共反射面元叠加。共反射面元叠加是指共反射面元道集内各反射点信号的叠加。反射面元的大小在纵向上一般取小于接收点距之半为共反射面元的线性长度, 即DX≤ΔX/2, 为10 m, 横向宽度DY≥DX, 选用10 m。根据上述选择, 本区CDP点网格为:DX×DY=10 m×10 m。

4 野外工作量完成情况及质量评价

本次使用的仪器为拓扑康动态GPS, 机型为TOPCON-HIPER机, 其RTK技术当前精度为:平面:10 mm+1.5×10-6, 高程:20 mm+1.5×10-6。本区所有检波点、炮点均采用动态GPS一一放样到实地。全区检波点的实际坐标与理论坐标检核误差最大不超0.10 m, 高程误差最大不超0.15 m。野外测量的检波点、炮点点位及高程与地形图上的相应点位及高程均做对比, 对发现差别较大且有疑议的测点均实地查看, 并进行二次复测, 确保测点准确无误。对个别特殊测点确实很难放到设计位置, 采取实测到最接近设计的位置。全区严格按照规范要求施工, 实测精度较高, 完全满足三维地震勘探要求。

施工自2009-06-11—08-10进行, 由于三维地震勘探的技术思路正确, 措施得力, 施工严格, 确保了本次野外采集资料具有高信噪比、高分辨率、目的层能量较强的特点, 如图4所示。本项目设计勘探面积5.3 km2, 施工面积11.2 km2, 勘探区布置测线33束, 炮线264条, 检波线136条, 生产物理点4 310个, 试验工程量54个。实际完成勘探面积5.3 km2, 施工面积11.2 km2, 施工测线33束, 炮线264条, 检波线136条, 生产物理点4 250个, 试验工程量63个, 总物理点4 313个, 比原设计多3个物理点。

经施工员、项目组、总工办三级验收, 甲级品2 867个, 甲级率67.46%;乙级品1 377个, 乙级率32.40%;废品6个, 废品率0.14%;物理点合格率99.86%。从野外数据采集监视记录及现场处理资料分析, 有效波清晰、明显, 信噪比高, 完全符合部颁《煤炭煤层气地震勘探规范》对原始资料质量检验与评价标准和设计要求。安全、优质、全面完成全部线束采集工作, 为下一步资料处理及解释打下了坚实的基础。

摘要：以某矿为例, 系统分析了三维地震勘探工作中野外施工的主要影响因素:试验工作优选施工参数和压制干扰波, 为正确选择最佳的激发条件、接收条件和仪器采集因素提供依据;观测系统直接影响数据采集质量、资料处理效果和地质成果的精度;采集参数受仪器精度影响外, 主要取决于空间采样间隔、炮点网格密度、炮检距、施工面积的选择。

关键词：三维地震,勘探数据,数据采集,效果分析

参考文献

吕梁地区地震勘探数据采集方法研究 篇10

1.1 浅表层

吕梁—柳林勘探区地处吕梁山脉中段的中低山丘陵区, 为典型的梁峁状黄土丘陵地貌, 冲沟密集而狭窄, 地形切割剧烈, 在沟底两侧及谷底基岩零星裸露。区内总体地形西北部高, 东南低。三川河纵穿测区。区内最高海拔标高+1 003.610 m, 最低标高+703.178 m, 相对高差300.432 m。

通过踏勘并结合以往地质资料, 吕梁—柳林勘探区的浅表层条件可以分为3类:①厚黄土区域。该勘探区绝大部分区域都被黄土区覆盖, 大致规律为由浅至深逐渐增厚, 厚度从几十米到上百米。冲沟发育, 地形切割剧烈。②基岩出露区。零星出露于沟底两侧及谷底, 三川河两侧基岩出露较多, 出露的地层为三叠系刘家沟组。河道两侧出露的基岩陡度较大, 主要是以悬崖的形式出露, 能够进行风钻成孔的区域较少。③三川河河床。三川河呈“几”字分布在勘探区中部。由于长期的冲积、洪积堆积, 三川河河床地层成分复杂, 含有砾石、岩石碎屑、黄土、砂土。

1.2 深层

吕梁—柳林勘探区的主要目的层为2#、3#、4#、5#、8 (8+9) #煤层, 这些煤层均能形成良好的反射波, 但由于2#—5#各煤层之间间距较小, 不能形成2#—5#煤层的单一反射波, 只能形成一组复合反射波;8 (8+9) #煤层上距5#煤层48 m左右, 能形成反射波。

2 地震勘探数据采集难点

吕梁—柳林勘探区浅表层、深层地震地质条件复杂, 要获得较好的地震记录质量, 需进行详细的试验工作[1], 重点解决以下问题。

2.1 成孔

勘探区浅表层地震地质条件复杂, 有大面积基岩出露, 有坡积物区和黄土覆盖, 采用单一的成孔方式很难获得好的效果。

2.2 中—厚黄土覆盖区数据采集

勘探区野外采集方面, 因厚黄土对反射波有强吸收作用[2,3,4], 因此在该地区进行野外采集时必须采用深井激发, 多井组合, 采用大药量、孔里注满水等措施, 这样能有效减少激发能量的损失, 从而得到能量更强的反射波。

2.3 复杂地表施工

由于该区部分地段地形起伏较大, 交通不便, 常规仪器到位困难, 使用便携、轻便、道距大、稳定、适合山区作业的仪器408UL, 能有效保证野外采集质量和每个检波器能准确放到位。

3 数据采集试验

根据吕梁—柳林勘探区地表情况及难点分析, 可将该区分为厚黄土区、基岩出露区及三川河河床区3类地区。不同的区域选用不同的成孔工具, 厚黄土区选用洛阳铲成孔, 基岩出露区选用风钻成孔, 三川河河床附近采用钢钎和人工挖坑相结合的方式成孔。

3.1 试验内容

(1) 黄土覆盖区。

黄土较厚区进行了以2 m为间隔从10 m起至40 m等不同井深的单孔激发试验;还进行了16 m四井组合、16 m三井组合、16 m两井组合激发的对比试验;薄黄土区进行了1.5 m、3.5 m单孔及3.5 m两井、3.5 m三井、3.5 m四井组合激发的试验。通过对比, 厚黄土区单孔孔深35 m、药量3 kg和两井16 m组合、药量3 kg激发, 获得地震记录上 (图1、图2) 的可以获得目的层反射波突出的记录;薄黄土区采用三井组合、药量3 kg组合激发, 可以获得好的效果。

(2) 基岩出露区。

在基岩出露区利用风钻成孔, 分别进行了2, 3, 4 m井深的激发试验, 并采用3 m井深进行了0.5, 1.0, 1.5 kg的药量对比试验。采用3 m井深、1.5 kg药量激发获得的试验记录上目的层反射波突出、能量强 (图3) 。

(3) 三川河河床区。

在该区采用人工挖坑、钢钎和洛阳铲成孔, 分别进行了1.0, 1.5, 2 m的单孔试验和1.5 m两井组合、1.5 m三井组合、1.5 m四井组合激发的试验。通过分析可知, 单孔采用井深2 m、药量1.5 kg激发的地震记录、组合采用井深1.5 m两井、药量2 kg激发获得的地震记录上反射波较突出, 激发效果较好。单孔、井深2 m、药量1.5 kg激发的地震记录如图4所示。

3.2 试验结果

通过对试验资料的分析对比, 确定该区的施工参数为:①对于基岩裸露区, 采用风钻成孔, 成孔深度不低于3 m;采用2 kg药量激发, 就可以激发出较好的有效地震波;②靠近基岩的黄土覆盖区, 采用洛阳铲成孔, 成孔深度不低于20 m或打到基岩面, 采用3 kg药量激发;③深部的厚黄土覆盖区, 采用洛阳铲成孔, 成孔深度不低于35 m, 采用3 kg药量激发;④设计上采用100道中间点接收, 根据试验资料分析, 大部分目的层反射波出现在20道和100道中间, 部分在50道和100道中间, 如果采用设计中的接收方式, 接收到有效地震波较少, 甚至接收不到反射波。因此, 该区改用端点激发。

4 数据采集方法及质量效果分析

4.1 观测系统及参数

此次勘探采用8线10炮制线束状规则观测系统, 由于浅表层地震地质条件复杂, 所以三维地震覆盖次数为20次。其中:横向4次, 纵向5次, 接收线距40 m, 接收道距10 m, 横向炮点距20 m, 纵向炮排距100 m, CDP点网格5～10 m。

4.2 效果分析

地震施工中严格执行《煤炭煤层气地震勘探规范》, 生产前进行充分的试验工作, 生产中对遇到的技术难题认真对待和研究, 采取了切实可行的技术措施, 取得了相对高质量的野外原始资料。图5为野外施工获得的原始单炮记录, 从图5可以看出, 目的层反射波比较突出、能量强。对原始记录进行资料处理后, 得到了勘探区的叠加时间剖面 (图6) , 可以看出, 获得的叠加时间剖面目的层反射波能量强、连续性好, 地震剖面质量较高。

5 结语

通过对吕梁—柳林勘探区地震勘探试验及施工, 取得了一些成果和认识。

(1) 针对不同浅表层条件, 选用适宜的成孔工具, 可以为选择适宜的激发井深提供保证。

(2) 厚黄土区域进行野外采集时, 采用深井激发、多井组合, 采用大药量、激发孔内注满水等措施, 能有效减少激发能量的损失, 并获得信噪比高的原始资料。

(3) 在该类地区进行地震勘探工作, 应详细了解和认真分析矿区的浅表层地震条件, 从地震勘探激发入手, 进行详细的试验工作, 取得适宜的施工参数, 才能获得质量较高的地震记录。

参考文献

[1]陆基孟.地震勘探原理[M].山东:石油大学出版社, 2006.

[2]程建远, 张广忠, 胡继武.黄土塬区的三维地震勘探技术[J].中国煤田地质, 2004 (6) :40-43.

[3]常锁亮, 李莲英, 张撒彬, 等.厚黄土覆盖丘陵地区煤田地震勘探方法研究[J].物探与化探, 2002 (6) :425-428.