数据挖掘在石油勘探数据库中的应用前景

数据挖掘在石油勘探数据库中的应用前景

ID:37483656

大小:1.25 MB

页数:5页

时间:2019-05-24

数据挖掘在石油勘探数据库中的应用前景_第1页
数据挖掘在石油勘探数据库中的应用前景_第2页
数据挖掘在石油勘探数据库中的应用前景_第3页
数据挖掘在石油勘探数据库中的应用前景_第4页
数据挖掘在石油勘探数据库中的应用前景_第5页
资源描述:

《数据挖掘在石油勘探数据库中的应用前景》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学兔兔www.xuetutu.com/勘探管理数据挖掘在石油勘探数据库中的应用前景石广仁(中国石油勘探开发研究院,北京l00083)摘要:通过世界现状分析,指出数据挖掘(DataMining,以下简称DM)在石油勘探数据库中的应用尚处于起步阶段。在前人的工作基础上,简述了数据库DM技术的结构、功能、算法及关键技术。以一个测井解释实例具体介绍DM的操作过程、技术方法及应用效果,验证该技术的可行性、实用性。实例中,采用多元回归分析,实现数据降维;分别采用人工神经网络和支持向量机两个挖掘算法,进行知识发现。基于国

2、内大批石油勘探数据库(包括数据银行、数据仓库等)的陆续建成,认为DM技术的研发已提到议事日程,必将成为石油地质研究和勘探决策的有力手段。关键词:数据挖掘;知识发现;广义数据库;降维算法;挖掘算法;石油勘探;裂缝预测中图分类号:TE19文献标识码:A经历了约20年的发展,数据挖掘(DataMining,手段。以下简称DM)在技术进步和广泛应用都取得了巨大的本文简述了数据库DM技术的结构、功能、算法及成功,已经成为一个自成体系的应用学科⋯。21世纪初,关键技术,以一个测井解释实例具体介绍了DM的操作DM曾被预测

3、为未来l0年内最有革命性的技术发展之过程、技术方法及应用效果,以验证该技术的可行性和一,还认为是将改变世界的十大新兴技术之一。DM实用性,同时也展示DM技术在石油勘探中的应用前是一种从数据库中提取新的重要信息和知识的计算机景。技术,故也统称为数据库的知识发现(Knowledge1数据挖掘技术DiscoveryinDatabase),这里所指的“数据库”还可包括文件系统或其他任何组织在一起的数据集合。一个完整的DM技术应具有6个功能】:能对付各这是一个创新性的领域,具有很强的实用性,已在某些数据结构的缺点和差

4、异;能算出所用的特定技术的置科技、商业等领域得到了较好的应用,但在石油勘探的信度;不强制推行某一数据结构;在无偏的条件下能确应用尚处于起步阶段[5。定大型数据数组的“子系统”;能给出有效的方法来具国内随着大批石油勘探数据库(包括数据银行、数体实现风险评价法则;产生的方法能与其他方法及数据仓库等)的陆续建成【l,如何从大量数据中寻找据集成一起。有利勘探目标成了建库后的迫切任务。面对如此庞大1,1数据挖掘的步骤的勘探数据,我们可以通过数据库管理系统实现常规的应用(如查询、检索、简单统计分析等);但数据中将欲研究

5、的数据分成学习样本和预测样本两大类。隐藏的内在有用知识却无法得到,这将使我们处在一每一学习样本必须含有一个目标值(y)及其相关的多种数据丰富而知识贫乏的困境。因此,DM技术的研发个参数值(x,,⋯蜀,它们记为向量形式x),其集已提到议事日程,它必将在石油勘探数据库的二次开合应具有建立y=(x)关系式的可能性和正确性;发中大显身手,成为石油地质研究和勘探决策的有力而预测样本与学习样本的区别是可以没有目标值的,作者简介:石广仁,男,教授级高级工程师、博士生导师,长期从事地学定量。收稿日期:2008一l0—06中

6、国石油勘探2O。9年第1期60学兔兔www.xuetutu.com’’石油蘸薮瑭磋i爵五雨丽毛r'.i如果有的话可以作为DM的检验值~—Means聚类。有Jf(最近邻域法、决策树、分级k、“”DM包括3个步骤(图1):①Kohonen网络Logistic回归Naive—Bayes估计与数据准备,如数、、[3,4,21】据的选择、净化、缺失处理、错分类识别、离群值识别、贝叶斯网络、遗传算法、神经网络、支持向量机等。“”“”一转换、归化等;②知识发现,首先使用降维算法在本文的实例中,数据准备中采用多元回归分析,

7、实“”“”=XX现数据降维确定哪几个蜀足以建立YY(),这些,组成新的;在知识发现、知识运用中分别采用XDM算法求出rtificialNeuralNetwork,然后根据学习样本的特点选择合适的了人工神经网络(A,以下=X)关系式uortVectorMachineYY(,这个表达式就是发现的新知识;③简称ANN)、支持向量机(Spp,“”X=X知识运用,将预测样本的值代入YY(),得到以下简称SVM),并对两者计算结果进行对比。各个预测样本的目标值y。DM技术的飞速发展,激起了越来越多的需求,导“”⋯致面临

8、新的挑战,主要反映在数据驱动方面:①数据的过大、过乱使算法无法适应;②数据的过快增长超出检查技术的能力;③如何最有效地对图形数据进行挖掘;④如何分门别类地对数据的使用进行保密限制;⑤如何定义挖掘算法的适用条件以避免挖掘结果的扭曲。由于石油勘探数据的庞大、复杂和多变,在引入DM技术时必然遇到这些挑战;基于国内建库的成功经_13q⋯DM技术的初步应用【5~他]验,以及世界,这些挑战都是可以战胜的。2应用实例储层裂缝一

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。